Qwen3.8-27B接机械臂：韩松团队PEAR开源，5090跑220 tok/s
一个带思维链的 27B 机器人模型在一张消费级 GPU 上就能实时驱动机械臂，这件事的实用意义可能比 60% 的真机成功率本身还大。
Fable 与 
GPT-6 Astra 接连发布之后，具身智能圈子被搅动起来，还带起了一波「通用大模型什么都能管机器人」的声浪。
开发者纷纷把这两个模型接到机器人身上，去试各类复杂任务。可越往下做，大模型体量太大的毛病就冒出来了：推理成本高、响应延迟撑不住实时控制，端侧的算力、功耗、散热也都卡着，这些模型想直接落地并不容易。
让通用大模型在机器人上既用得起又跑得动，成了摆在面前的新问题。
眼下这件事有了转机。MIT 韩松团队公开了机器人后训练项目 PEAR（Post-training Engine for Agentic Robotics），做法是把一个 27B 参数的千问模型装到一台真实的双臂机器人上。
先看两个实机演示。研究人员递给它一张梵高《星空》，它用夹爪在白板上把线稿画了出来。桌上放着碘水、酚酞、乙醇三瓶试剂，问它怎样验证溶液是否为碱性，它选了酚酞滴入，溶液随之变粉。
PEAR 以开源模型 Qwen3.8-27B 为底座，训练过程里一帧人类遥操演示都没用，也没有一条真机数据，全部在仿真环境中做强化学习。训完直接搬上一台它此前没见过的双臂 YAM 真机，30 次测试过了 18 次，训练前这个数字是 0 次。它的通用性更强，执行指令的能力也好于 π0.5。在 LIBERO 模式下，其表现与 Astra Max 几乎不相上下。
跑在 RTX 5090 显卡上，它的速度能到 220 以上 tok/s，本地运行完全不成问题。
还有一点值得留意：在 AIME、GPQA、LiveCodeBench 等九项通用 benchmark 上，它的分数与 Qwen3.8-27B 相比几乎没有变化，说明模型原有的数学、编程等通用能力并未丢失。
论文链接：https://mit-han-lab.github.io/pear-blog/paper.pdf
Github 链接：https://github.com/mit-han-lab/pear
模型权重链接：https://huggingface.co/collections/mit-han-lab/pear
博客链接：https://mit-han-lab.github.io/pear-blog/
用电脑的方式，就是用机械臂的方式
这个思路很巧：机械臂的操作和电脑上的操作本来就是同一回事，差别只在于一个二维、一个三维。
智能体的 Computer Use 是怎么做的？看一张截图，在思维链里想「保存按钮在右上角」，然后吐出 click (812, 431)，由操作系统挪动鼠标。
PEAR 对机械臂做的事如出一辙。每一回合输入三路摄像头画面以及机械臂当前的关节状态，模型在思维链里分析，比如「夹爪在橡皮正上方，把手指降到橡皮两侧」，接着输出一段 JSON，里面是末端执行器的下一个目标位姿（x、y、z、roll、pitch、yaw）。逆运动学据此算出关节角，底层控制器把机械臂驱动到位。这一轮的结果连同新拍到的画面一起回填到上下文里，下一回合再开始。
机器人操作智能体拾取橡皮擦最后三轮交互的示意，图上方同时给出计算机操作智能体作对照。
每一轮里，机器人操作智能体先观察摄像头画面和机械臂状态，用思维链推理，再给出末端执行器的下一个目标位姿。之后逆运动学算法和机械臂控制器把动作执行出来，这一轮的交互记录也进入上下文，供下一轮决策参考。
整个流程里没有感知模块，没有抓取规划器，也没有技能库。物体的定位、路径的规划、对上一步偏差的判断，统统由模型自己从相机画面中得出。这套训练方案叫 Robot-Use RL，思路和前沿模型学习使用电脑完全一致。
具身上逼近 GPT-6 Astra 的小模型
LIBERO 是机器人操控领域的经典 benchmark，内含四个子套件（Goal、Spatial、Object、Long），评测 episode 共 2000 个。
Qwen3.8-27B 零样本只有 1.6%，经 RL 训练后的 PEAR 做到 74.4%。同场闭源旗舰的成绩是：GPT-6 Astra medium 档 49.3%、max 档 76.2%；GPT-6.1 Sol medium 档 48.1%、max 档 80.6%。PEAR 用的是 xhigh 档。
左图为 LIBERO 任务成功率，右图为强化学习（RL）训练过程中每一步采样轨迹（rollout）的成功率。
在 LIBERO 原版上，π0.5 跑出 96.9%，PEAR 为 74.4%，看上去差得不小。但研究者又引入两个扰动版本 LIBERO-Plus 和 LIBERO-Pro，局面就完全变了。
模型在 LIBERO 及其两个扰动版本上的任务成功率（%），两种策略均基于 LIBERO 训练。
LIBERO-Plus 的扰动集中在观测条件上（相机角度、光照、背景、传感器噪声），两个模型的下降幅度差不多；LIBERO-Pro 则直接改掉任务目标和物体布局。看两种关键扰动：
任务替换的做法是：场景、物体、初始状态都不动，只把指令换掉。训练时用的是「把碗放到盘子上」，评测时改成「把碗放到炉灶上」。结果π0.5从96.9%掉到0.75%，整整损失96.2分；PEAR从74.4%降到57.4%，掉了17分。
布局替换则是指令不变、物体位置对调，同一句话要走出完全不同的运动路径。π0.5跌到20.8%，损失76.1分；PEAR落到57.5%，掉了16.9分。
另外两种扰动——改写指令措辞、替换物体外观——π0.5依然领先，原因是这两类情况下正确的运动轨迹没有变。它记住的是训练时见过的运动模式，模式对得上就拿高分，对不上就彻底崩掉。PEAR走的是另一条路：基础模型的指令理解和视觉感知被保留下来，RL教它盯着当前画面和指令重新生成位姿。一个是模仿，一个是推理，任务条件一变，差距就出来了。
纯仿真训练
整个训练流程都在仿真里完成，PEAR没碰过任何真实机器人数据。迁移测试从三个维度展开。
先看新任务。模型在LIBERO-Goal、Spatial、Object上训练后，零样本在LIBERO-Long上拿到39.0%，底座只有0.4%——在一个长程任务套件上，从几乎不会做到接近四成。
再看新机器人、新仿真器。RoboDojo是完全不同的仿真环境，机械臂从LIBERO的单臂Franka换成双臂ARX。PEAR只在LIBERO上训练过，没接触过RoboDojo或ARX，直接在general_pickup上拿到39.9%，底座为10.7%，提升接近四倍。
第三个是新benchmark。RoboLab-120包含120个桌面任务、三个难度级别，每个任务评测10次。PEAR在LIBERO + RoboDojo上训练后跑出37.3%，底座5.4%。对照RoboLab排行榜上的通才机器人策略：NVIDIA Cosmos3-Nano-Policy 36.8%、π0.5 28.0%、DreamZero 25.7%、GR00T N1.6 7.2%。PEAR与Cosmos3几乎打平，高于其余三家。
真机测试安排在LIBERO + RoboDojo都训练完成之后，研究者把模型拉到一台双臂YAM真机上。这台机器人训练中从未出现过，仿真器、机械臂型号、物理环境全是陌生的。
30次测试分成两组。Align blocks组用三角尺把三个积木摆成直线，5个场景各2次，共10次；General pickup组抓取10种物体——绳子、螺丝、遥控器、毛绒乌龟、网球、订书机、洗洁精、喷雾罐、气泵、刷子，每种2次，共20次。
底座模型Qwen3.8-27B在真机上完全失败，成绩0/30。只在LIBERO上训过的中间检查点拿到7/30。完整版达到18/30，成功率60%。
完全保留模型通用能力
通过强化学习学了机器人操控之后，原来的推理、编程、视觉能力还在吗？
PEAR与基础模型在相同问题上的表现对比。圆点表示得分变化，线段表示配对比较的95%置信区间。
从上述评测结果可以看出，模型依然保留了强大的通用能力：在AIME 2026数学竞赛测试中得分98.5，GPQA Diamond科学知识测试中得分89.7，LiveCodeBench代码能力测试中得分88.4。在所有视觉基准测试中，其得分与基础模型的差距均不超过2分。
这意味着，同一个模型如今既能进行推理、编写代码、回答图像相关问题，也能操控真实机器人。
一张RTX 5090跑220 token/s
每步动作之前都要走一遍思维链，解码速度直接决定机械臂的响应节奏。
推理栈的配置是NVFP4权重量化（NVIDIA ModelOpt）加Inco AI的DFlash2 drafter（平均接受长度3.2 token）。在不同硬件上的解码速度：
Apple M5 Max（Inco Splash引擎）：52 tok/s
单张RTX 5090（megakernel）：221 tok/s
单张GB300（megakernel）：747 tok/s
以GB300为例，xhigh档一回合思考约4.3秒，low档约1.1秒。模型训练时只用了xhigh档，但推理时effort仍然可调。low档思考token约0.86k（xhigh约3.23k），LIBERO成功率从74.4%掉到21.9%，成功率和思考量基本成正比。
27B 的机器人模型配上思维链，一张消费级 GPU 就能实时带动机械臂跑起来。比起 60% 的真机成功率，这件事在实用层面的分量或许更重。
PEAR 跑通的路子有一定看头：基础模型的推理能力一旦够强，靠仿真环境里的强化学习，就有机会让它学会操作真实机械臂。感知管线、技能库都不用另搭，大量遥操作数据也用不着。
PEAR 还说明了一件事：通用模型做具身操作这条路走得通，同时把实现这类能力要用的模型体量和算力要求又往下压了一截。
以往说起更强的机器人智能，行业习惯往更大的模型、更多的数据、更贵的算力上押注。PEAR 给出的却是另一种思路——机器人不一定非得配一个专门训练出来的巨型「大脑」，一个相对轻量的通用模型，同样有机会拿到够用的操作本事。
当然，要应付复杂、开放的真实物理环境，还有很长的路要走。但 PEAR 至少让行业看见，通往通用机器人智能的路径可能比原先设想的更多样，也更省钱。
