苹果公司发布研究论文，提出一种名为“PH2D”的新方案，旨在提高人形机器人的学习效率。该方法结合人类教练和机器人示范者，利用改造后的消费级设备，如Apple Vision Pro和Meta Quest头显，记录人类动作和语音指导。通过名为“Human-humanoid Action Transformer”（HAT）的模型，将人类教练和机器人示范者的数据融合，构建通用策略框架。研究表明，这种结合训练方式成本效益高，且在特定任务中表现更优。苹果此举或为其研发面向消费者的移动机器人奠定基础。

🍎 传统人形机器人训练依赖机器人示范者，过程“劳动密集型”且成本高昂。苹果公司的新方案PH2D结合人类教练和机器人示范者，旨在解决这一问题。

👓 苹果利用改造后的消费级设备，如Apple Vision Pro和Meta Quest头显，收集人类教练的动作数据。这些设备被用于记录手部操作和语音指导，为机器人训练提供素材。

🤖 苹果开发了“Human-humanoid Action Transformer”（HAT）模型，用于处理人类教练和机器人示范者生成的数据。该模型构建通用策略框架，提升了机器人的泛化能力和稳健性。

📈 研究显示，结合训练策略在特定任务中效果更优，且成本效益高。苹果此举或为未来面向消费者的移动机器人研发奠定基础。

IT之家 5 月 22 日消息，科技媒体 AppleInsider 昨日（5 月 21 日）发布博文，报道称苹果公司最新披露 PH2D 方法，结合人类教练和机器人示范者训练人形机器人，让其获得更高效的学习效果。

苹果公司于本周三发布《Humanoid Policy ~ Human Policy》研究论文，直指传统训练方法的不足，提出了一种可扩展且成本效益高的新方案，称为“PH2D”（Physical Human-Humanoid Data）。

苹果公司在专利中指出，传统人形机器人训练依赖机器人示范者，过程被描述为“劳动密集型”，且需要昂贵的远程操作数据采集。

IT之家援引博文介绍，苹果的新方法结合人类教练和机器人示范者，利用改造后的消费级设备，制作训练素材。

例如，Apple Vision Pro 头显被调整为仅使用左下角摄像头进行视觉观察，配合 ARKit 技术获取 3D 头部和手部姿态数据；改造后的 Meta Quest 头显搭载 mini ZED 立体摄像头，成为低成本训练工具。

人类教练通过这些设备记录手部操作，包括抓取、抬起物体和倒液体等动作，录制过程中还提供语音指导，视频被放慢后用于机器人训练。

苹果为此还开发了名为“Human-humanoid Action Transformer”（HAT）的模型，能够同时处理人类教练和机器人示范者生成的数据。

这一模型构建了一个通用的策略框架，相较于仅使用真实机器人数据的训练方式，表现出更好的泛化能力和稳健性。研究显示，这种结合训练策略在特定任务（如垂直抓取物体）中，效果优于单一机器人示范者训练。

苹果的研究表明，这种结合训练方式不仅成本效益高，还能显著提升机器人表现。尽管目前仅展示了机器人灯原型，但据传苹果正在研发面向终端消费者的移动机器人，可执行家务和简单任务。