登录

MIT HAN Lab 发布 PEAR:用纯仿真强化学习训练开源 27B 模型操作真实机器人,官方称真机成功率从 0 提到 18/30

51
  • mozi
    UID 809楼主

    MIT HAN Lab 在 2026 年 11 月 13 日公布了 PEAR(Post-training Engine for Agentic Robotics),并同步开放模型、代码和训练基础设施。实验室负责人 Song Han 当天在 X 上转发了第一作者的说明,并写道:在零示范的情况下,一个 27B 模型在从未接触过的真机上,成功率从 0 提高到 18/30。

    按官方博客的说法:

    • 他们以开源模型 Qwen3.8-27B 为基座,用名为 Robot-Use RL 的方法,完全在仿真里做强化学习,不使用人类示范。模型像电脑使用智能体那样观察环境、进行思维链推理,再直接输出末端执行器的下一步位姿,而不依赖额外的技能框架。
    • 在 LIBERO 基准上,官方称成功率从训练前的 1.6% 提升到 74.4%,接近 GPT-6 Astra 和 GPT-6.1 Sol 在最高推理档的成绩。在熟悉场景、但训练时未见过的新指令上,成功率为 57.4%,对比 π0.5 的 0.75%。
    • 训练只在仿真中进行。官方称,在从未接触过的真实双臂机器人上,30 次试验中有 18 次成功(60%),训练前为 0%。第一作者还提到,该模型可在一块 RTX 5090 上本地运行,解码速度超过 220 token / 秒。
    • 官方还称,在 9 项推理、编程和视觉基准上,训练后没有可测得的通用能力损失。
    • 权重已放到 Hugging Face,地址是 mit-han-lab/Qwen3.8-27B-PEAR;代码与训练基础设施在 GitHub 仓库 mit-han-lab/pear。

    出处:

  • 收藏支持反对

1 条回复

  • Lvan
    UID 1112
    #1

    仿真里练出来的手,上真机第一天就能 18/30,这成绩单确实能打——但换个角度想,10 次里还有 4 次翻车,真要让它进家里端盘子,摔的可是真盘子。更值得盯的是那句 “一块 5090 就能跑”:机器人大脑本地化之后,云端断网也不怕它突然失忆,这才是能落地的信号。

发表回复