Apple HALO es el nombre del sistema con el que un grupo de investigadores de Apple ha conseguido que un robot humanoide se mueva solo por habitaciones que nunca había visto, según el artículo científico en arXiv publicado el 4 de noviembre de 2026. El resultado más llamativo es una tasa de éxito del 91 % en 360 pruebas reales.
La noticia se ha disparado este lunes porque mezcla dos cosas que atraen mucho: Apple, que casi nunca enseña lo que hace con robots, y un humanoide de verdad que se sienta en sofás, se arrastra bajo mesas y empuja cajas. Además, ha movido hasta las bolsas chinas.
Te contamos qué es Apple HALO, cómo funciona, qué dicen los números, qué límites reconocen los propios datos y por qué importa para el futuro de los robots domésticos.
Contenido
- Qué es Apple HALO
- Las 7 claves de Apple HALO
- Cómo funciona Apple HALO
- Tabla: los datos del experimento
- El robot y el hardware
- Por qué ha movido la bolsa
- Límites y dudas
- Qué significa para ti
- Preguntas frecuentes
Qué es Apple HALO
HALO son las siglas de «Humanoid Autonomy, Learned in simulation, running Onboard», es decir, autonomía humanoide aprendida en simulación y ejecutada a bordo del propio robot. Es un sistema de investigación, no un producto: Apple no ha anunciado ningún robot a la venta.
El trabajo se titula «Perceptive Humanoid Motion from Simulation» y lo firman ocho autores de Apple, con Siyuan Hu como primer nombre y Vladlen Koltun como último, según Humanoids Daily. Apple ha publicado también la página oficial del proyecto y el repositorio de código en GitHub, con el código de generación de datos, entrenamiento y despliegue.
La idea central es sencilla de decir y difícil de lograr. Enseñar a un humanoide a moverse por una casa necesita muchísimos datos que unan lo que ve, lo que se le pide y los movimientos de sus articulaciones. Ese tipo de datos casi no existe a gran escala. Apple HALO evita el problema fabricándolos en un ordenador.
Las 7 claves de Apple HALO
- Entrenamiento en simulación: el robot aprende con unas 300 horas de episodios generados en 1.000 casas creadas por ordenador, sin que nadie las visite ni las escanee.
- Cero casas reales en el entrenamiento: el sistema pasa al mundo físico sin ver nunca un hogar real durante el aprendizaje, lo que los autores llaman transferencia «zero-shot».
- 91 % de éxito: en 360 pruebas repartidas en seis entornos reales sin mapear.
- Habilidades concretas: sentarse en sillas, ir hacia objetos por su nombre, pasar de lado por puertas entreabiertas, agacharse y arrastrarse bajo mesas y empujar cajas.
- Todo a bordo: los modelos se ejecutan en el propio robot, sin cables y sin depender de un servidor externo.
- Hardware comercial: el robot es un Unitree G1 con dos modificaciones físicas.
- Código abierto: el repositorio incluye datos sintéticos, entrenamiento y despliegue.
Con estas siete claves ya tienes el mapa. A partir de aquí, entramos en cómo se consigue algo así sin que una persona tenga que grabar horas de movimientos.
Cómo funciona Apple HALO
Para crear un episodio de entrenamiento, el equipo usa tres piezas. Un modelo de difusión de movimiento genera el movimiento de todo el cuerpo del humanoide. Un generador procedimental fabrica el entorno, es decir, la casa. Y un simulador coloca el movimiento dentro de esa casa y dibuja lo que vería la cámara del robot.
Según el artículo, todo el proceso ocurre sin intervención humana y en paralelo, así que el volumen de datos depende de la potencia de cálculo y no de las horas de trabajo de personas. Una verificación automática mantiene la calidad de los episodios. Es lo contrario de la teleoperación, donde hace falta como mínimo una hora de una persona por cada hora de datos.
Ya en el robot, HALO reparte el trabajo en tres niveles que funcionan a velocidades distintas:
- Orquestador (cada unos 2 segundos): un modelo de visión y lenguaje convierte lo que pide la persona en subtareas, como agacharse bajo la mesa, empujar la caja, pasar por la puerta o sentarse. Avanza si una tarea sale bien y reintenta si falla.
- Generador (unas 3 veces por segundo): a partir de la imagen y la subtarea actual, calcula un plan de movimiento de todo el cuerpo de 5 segundos. De ese plan solo se aplican los primeros 0,5 segundos antes de recalcular.
- Seguidor (50 veces por segundo): sigue el plan con la profundidad y la propiocepción del robot, y emite objetivos para 29 articulaciones.
El orquestador usa un modelo ya existente y el generador incorpora un codificador de la familia Qwen de Alibaba, algo que explica por qué la acción de Alibaba también subió en bolsa. Es decir, Apple HALO no inventa todas las piezas: las combina con mucho criterio.
Tabla: los datos del experimento
Resumen de lo que publican el artículo y la web oficial, junto con lo que añade la prensa especializada:
| Concepto | Dato |
|---|---|
| Nombre | HALO (Humanoid Autonomy, Learned in simulation, running Onboard) |
| Publicación | Artículo en arXiv, 4 de noviembre de 2026 |
| Autores | Ocho investigadores de Apple, con Vladlen Koltun como último autor |
| Datos de entrenamiento | Unas 300 horas de episodios sintéticos en 1.000 casas generadas por ordenador |
| Robot | Unitree G1 modificado |
| Pruebas reales | 360 pruebas en seis entornos sin mapear |
| Éxito en tareas sueltas | 91 % |
| Éxito en tareas encadenadas | Media del 70 % en tres secuencias, según Humanoids Daily |
| Código | Disponible en GitHub |
La diferencia entre el 91 % y el 70 % merece atención. Una cosa es sentarse en una silla, y otra encadenar varias acciones seguidas sin fallar. Cuantas más tareas se unen, más oportunidades hay de que algo salga mal.
El robot y el hardware de Apple HALO
El robot que usa Apple HALO es un Unitree G1 con dos añadidos físicos: un soporte en la cabeza con una cámara OAK-1W y una carcasa trasera que aloja un Mac mini con chip M4 Pro y 64 GB de memoria. El G1 conserva su módulo Jetson Orin NX de fábrica, que ejecuta el seguidor de movimiento.
La cámara de la cabeza envía vídeo de 1280 × 800 píxeles a 30 imágenes por segundo al Mac mini. Allí se calcula la trayectoria. Para saber por dónde pisa, el robot usa además una cámara de profundidad Intel RealSense orientada hacia abajo y un modelo de visión estéreo acelerado con TensorRT.
Que el robot lleve un ordenador de sobremesa compacto en la espalda dice mucho de la etapa en la que estamos. Funciona, pero todavía es un banco de pruebas y no un electrodoméstico.
Por qué Apple HALO ha movido la bolsa
Según Investing.com, las acciones de robótica chinas subieron con fuerza el lunes tras conocerse el trabajo. Unitree, que cotiza como Yushu Technology, fue la que más subió, con más de un 8 % en Shanghái. Ubtech Robotics ganó otro 8 %, Lens Technology y Hesai, proveedores de componentes, avanzaron cerca de un 4 % cada una, y Alibaba llegó a subir hasta un 3 %.
La lectura del mercado es directa: si Apple se interesa por humanoides y los prueba sobre una plataforma de Unitree, esa plataforma gana visibilidad. Conviene recordar que un artículo de investigación no equivale a un plan de producto, y que Apple no ha dicho nada sobre fabricar un robot.
Límites y dudas de Apple HALO
- El artículo no compara Apple HALO con otros sistemas publicados, así que no sabemos si es mejor o peor que ellos.
- Las tareas sueltas salen mejor que las cadenas: el 70 % medio en secuencias encadenadas deja margen de mejora.
- Las pruebas se hicieron en seis entornos, un número pequeño frente a la variedad real de las casas.
- El robot lleva un Mac mini a la espalda y un hardware modificado, lejos de un diseño de consumo.
- No hay fecha, precio ni producto: es una investigación publicada con código.
Nada de esto resta valor al trabajo. Sirve para poner el titular en su sitio: es un avance serio en cómo se consiguen datos para humanoides, no la llegada del robot de Apple a tu salón.
Qué significa Apple HALO para ti
A corto plazo, nada cambia en tu casa. A medio plazo, la técnica importa porque el gran freno de los robots domésticos es conseguir datos baratos. Si basta con simular miles de casas, el coste de enseñar nuevas habilidades baja, y esa lección vale para cualquier fabricante.
Si te interesa el seguimiento de la tecnología que viene, en EscuadrónGeek hemos contado cómo la NASA prepara un rover de energía nuclear en nuestro repaso de la base lunar y sus contratos de hasta 10.000 millones, y cómo SpaceX apuesta por la infraestructura terrestre en Starlink Mobile. Y si piensas en guardar tus propios proyectos y vídeos con seguridad, nuestra guía para elegir un SSD externo en 7 pasos te ayuda a decidir.
Preguntas frecuentes sobre Apple HALO
¿Qué es Apple HALO?
Es un sistema de investigación de Apple que enseña a un robot humanoide a moverse por casas reales usando datos generados en simulación. Sus siglas significan autonomía humanoide aprendida en simulación y ejecutada a bordo.
¿Qué robot usa Apple HALO?
Un Unitree G1 con una cámara OAK-1W en la cabeza y un Mac mini con chip M4 Pro en la espalda, además del módulo Jetson Orin NX que trae de fábrica.
¿Qué porcentaje de éxito logra Apple HALO?
Un 91 % en 360 pruebas de tareas sueltas en seis entornos reales sin mapear. En tareas encadenadas, la media fue del 70 % en tres secuencias, según Humanoids Daily.
¿Apple va a vender un robot humanoide?
Apple no ha anunciado ningún producto. HALO es un trabajo de investigación publicado en arXiv, con código en GitHub.
¿Cuántos datos usó Apple HALO para entrenar?
Unas 300 horas de episodios sintéticos en 1.000 casas generadas por ordenador, sin datos de teleoperación.
¿Qué tareas hace el robot de Apple HALO?
Se sienta en sillas, va hacia objetos nombrados, pasa de lado por puertas entreabiertas, se agacha y arrastra bajo mesas y empuja cajas.
¿Dónde puedo ver el código de Apple HALO?
En el repositorio oficial de GitHub y en la página del proyecto, enlazados en este artículo.
Fuentes
Datos tomados del artículo científico en arXiv, la página oficial del proyecto y el repositorio de código en GitHub de Apple; contexto de Humanoids Daily e Investing.com.
Si quieres conocer otros artículos parecidos a Apple HALO: 91 % de éxito con un robot humanoide entrenado en simulación puedes visitar la categoría Noticias.
También te podría interesar