蘋果公司最新披露 PH2D 方法，結合人類教練和機器人示范者訓練人形機器人，讓其獲得更高效的學習效果。

蘋果公司于本周三發布《Humanoid Policy ~ Human Policy》研究論文，直指傳統訓練方法的不足，提出了一種可擴展且成本效益高的新方案，稱為“PH2D”（Physical Human-Humanoid Data）。

蘋果公司在專利中指出，傳統人形機器人訓練依賴機器人示范者，過程被描述為“勞動密集型”，且需要昂貴的遠程操作數據采集。

蘋果的新方法結合人類教練和機器人示范者，利用改造后的消費級設備，制作訓練素材。

例如，Apple Vision Pro 頭顯被調整為僅使用左下角攝像頭進行視覺觀察，配合 ARKit 技術獲取 3D 頭部和手部姿態數據；改造后的 Meta Quest 頭顯搭載 mini ZED 立體攝像頭，成為低成本訓練工具。

人類教練通過這些設備記錄手部操作，包括抓取、抬起物體和倒液體等動作，錄制過程中還提供語音指導，視頻被放慢后用于機器人訓練。

蘋果為此還開發了名為“Human-humanoid Action Transformer”（HAT）的模型，能夠同時處理人類教練和機器人示范者生成的數據。

這一模型構建了一個通用的策略框架，相較于僅使用真實機器人數據的訓練方式，表現出更好的泛化能力和穩健性。研究顯示，這種結合訓練策略在特定任務（如垂直抓取物體）中，效果優于單一機器人示范者訓練。

蘋果的研究表明，這種結合訓練方式不僅成本效益高，還能顯著提升機器人表現。盡管目前僅展示了機器人燈原型，但據傳蘋果正在研發面向終端消費者的移動機器人，可執行家務和簡單任務。