但其在组合任务中成功率骤降至70%甚至50%，约6成失败源于视觉盲区，暴露出纯视觉方案局限性，凸显高精度触觉感知已成精细化作业的核心瓶颈。当前英伟达、特斯拉等巨头加速布局物理AI，小鹏计划四季度投放上千台真机，工业末端执行成功率达99.9%。开源算法正加速软硬件解耦，推动本体厂商竞争焦点从“造大脑”转向“拼触觉与场景落地”，产业链加速向规模化量产过渡。
市场此前普遍担忧真实环境数据采集成本高、周期长，将成为制约人形机器人落地的核心瓶颈。但苹果HALO系统的发布直接打破了这一预期：通过1000个程序生成的室内环境构建约300小时纯仿真训练数据，在零真机、零遥操作的前提下，实现了未建图真实环境中91%的单项任务成功率。这证明大规模合成仿真数据不仅可行，且几乎实现零损耗迁移。然而，真正的预期差在于，当机器人从移动走向复杂操作时，纯视觉方案的局限性彻底暴露——在涉及物理接触的组合任务中，成功率骤降至50%。这意味着，仿真数据解决了基础动作的“从无到有”，而高精度触觉感知才是决定机器人能否完成精细化作业的胜负手。巨头开源算法正在加速软硬件解耦，未来本体厂商的竞争焦点将从“造大脑”转向“拼触觉与场景落地”。
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。