【天风电新&汽车】机器人模型更新：苹果HALO，用合成数据帮助真机数据进行scaling
1、论文成果
HALO要解决的问题是：以往训练机器人要大量的真机遥操数据，费时费力，那能不能直接让电脑模拟生成真机数据？
论文通过提示词说明，直接生成机器人长序列动作，再通过场景生成，把机器人放进仿真房间，最后随机修改环境光照、机器人传感器噪点提高泛化性。
但这类研究最大的问题是sim2real的差距：仿真里跑得好好的，现实世界可能直接栽跟头。
论文的方案是让【合成数据要与现实对齐】，即在仿真中复原现实世界的动作延时、电机实际输出与指令的差异等。实际跑下来，模型在仿真环境和现实环境的同类单任务成功率都达到91%，基本解决简单任务sim2real的问题。
2、投资端怎么看
（1）继续强化分层架构逻辑：论文里S2用的Qwen3.6（350e参数）；S1用的Qwen3.5（20e参数）和一个扩散模型；
（2）这篇论文重点在【解决合成数据的可用性】：今年开始ego这类数据成为模型预训练的主力军，但中训练和后训练仍多用真机数据，现在合成数据能帮助真机数据进行scaling；
（3）论文里的训练数据仅摄像头的视觉数据。作者承认缺乏触觉等其他模态数据，无法判断用力精度等问题；
（4）将虚拟场景与现实对齐时，作者实际测量了机器人实机的电机、相机等参数，说明干这个活和本体强相关，换一台机器人要重新标定。因此有一套固定的本体、并基于本体搭建数据集更为有效。
3、多模态数采（触觉等）和本体厂
（1）触觉&力传感：论文点名发展趋势在增加触觉，数采手套【福莱新材】、力传感【安培龙】。
（2）灵巧手+双臂：合成数据来自真机数据的补充，真机数采-机械臂【长盈精密】；灵巧手-Sharpa链【维宏股份】、灵巧手驱动模组【浙江荣泰】。
（3）本体：模型训练的进步利好本体放量且需本体合作搭建数据集，重视争夺S1议价权的【上纬新材】、专注S0的【宇树科技】。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。