MIT韩松团队PEAR:27B模型纯仿真训练,单卡就能驱动真机?
MIT韩松团队发布PEAR项目,基于Qwen3.8-27B模型,仅通过仿真环境强化学习,无需真实数据即可驱动双臂机器人。在RTX 5090上推理速度超220 tok/s,真机测试成功率60%,且完整保留数学编程等通用能力,为具身智能提供了一条低成本、高泛化的新路径。
不必再花大价钱做遥操作,像用电脑一样教机器人干活就行。
具身智能圈近来有个挺有意思的现象:一边是“通用大模型能搞定一切”的口号,另一边却是高昂的推理成本和延迟把人劝退。把GPT-4o或者Astra这种巨无霸塞进机器人身体里,贵不说,反应还慢,端侧算力根本扛不住。

MIT韩松团队新近发布的PEAR(Post-training Engine for Agentic Robotics)项目,给出了另一种解法。他们没有去卷更大的模型,也没有收集海量真人遥操数据,而是把270亿参数的开源模型
Qwen3.8-27B丢进仿真环境里练强化学习。结果有点出人意料:这个模型不光学会了操控真实的双臂机器人,还能在一张消费级显卡上跑出实时速度。

两个实机演示就能看出它在干什么。给它看一张梵高的《星空》,它能拿着夹爪在白板上画出线稿;桌上摆着碘水、酚酞和乙醇,问它怎么验证碱性,它会拿起酚酞滴进去,看着溶液变粉。整个过程既没有预设的技能库,也没有专门的感知模块,全靠模型自己“看”和“想”。

核心逻辑:Robot-Use RL

PEAR的思路很直白:操作机械臂,说到底跟操作电脑是一回事,只不过从二维屏幕换成了三维空间。

如今的多模态模型已经学会“Computer Use”:看到截图,思维链里分析出“保存按钮在右上角”,再输出点击坐标(812, 431),由操作系统执行点击。PEAR把这套逻辑搬到了机器人身上。

每一轮交互中,模型会收到三路摄像头画面和机械臂当前的关节状态。它在思维链里推理:“夹爪现在在橡皮正上方,需要把手指降到橡皮两侧。”随后输出一段JSON格式的数据,里面是末端执行器下一个目标位姿的六个自由度(x, y, z, roll, pitch, yaw)。底层的逆运动学算法算出关节角度,控制器再驱动机械臂动起来。动作完成后,新画面回传给模型,进入下一轮决策。

这套流程叫Robot-Use RL。从头到尾,模型既不需要知道什么是“抓取规划器”,也不需要预先定义“拿起杯子”这类技能原子。定位物体、规划路径、修正偏差,全由模型根据视觉输入即时生成。好比一个刚学会用鼠标的人,不用背下所有软件的快捷键,只要看得懂界面,就能点点点点把活干完。

泛化能力:是模仿还是推理?

在机器人评测基准LIBERO上,PEAR的表现很有说服力。经过强化学习训练,它在LIBERO上的成功率从基座模型的1.6%飙升到74.4%。专门针对LIBERO训练过的π0.5模型(96.9%)虽然仍占上风,但真正的考验在于“换题”。

研究者引入了两个扰动版本:LIBERO-Plus(改变光照、背景、相机角度)和LIBERO-Pro(改变任务目标和物体布局)。结果揭示了两种模型的本质区别。

任务指令从“把碗放到盘子上”改成“把碗放到炉灶上”,或者物体位置对调之后,π0.5的成绩断崖式下跌,跌幅超过75分。原因在于π0.5更多是在“模仿”训练数据里见过的运动轨迹,场景一变,记忆失效,它就不知所措了。
相比之下,PEAR的跌幅只有17分左右。它对指令的理解能力和视觉感知能力都保留了下来,强化学习教给它的是如何根据当前画面和指令重新推理出合适的位姿。一个靠背题,一个靠解题。放到开放世界的真实环境里,这种推理能力比单纯的肌肉记忆更要紧。
纯仿真训练,真机零样本迁移
PEAR最让人惊讶的是训练数据:全部来自仿真,没碰过任何真实机器人数据。
研究者从三个维度测试了它的迁移能力:
- 新任务:在LIBERO的部分子集上训练后,直接拿到未见过的长程任务LIBERO-Long上测试,成功率从0.4%跳到39.0%。
- 新环境:换到完全不同的仿真器RoboDojo中,机械臂型号从单臂Franka换成双臂ARX,PEAR依然拿到39.9%的成功率,远超基座模型。
- 新基准:在RoboLab-120评测中,PEAR取得37.3%的成绩,与NVIDIA的Cosmos3-Nano-Policy持平,高于π0.5和DreamZero。
测试里最见真章的一环,是把模型搬到真机上跑。研究者拿一台此前完全没接触过的双臂YAM真机做部署,机器人的物理特性、传感器噪声,连桌面的摩擦力,模型都是头一回遇上。
30次真实测试涵盖摆放积木和抓取绳子、螺丝、毛绒乌龟等10种不同物体,PEAR成功了18次,成功率60%。作为对比,未经RL训练的基座模型成功率是0。也就是说,仅仅靠在仿真环境里的“脑补”练习,模型就已经能在真实物理世界里动手了。
性能与通用性:鱼和熊掌兼得
不少人担心,为机器人任务微调模型会牺牲它原本的数学、编程或逻辑推理能力。PEAR的数据打消了这个顾虑。
在AIME 2026数学竞赛、GPQA Diamond科学知识测试和LiveCodeBench代码能力测试里,PEAR拿到的分数跟基座模型差不太多。视觉类基准上,差距同样没超过2分。换句话说,强化学习添上的只是一套“手脚协调”的本事,模型原本的“大脑”结构没被动过。
现在同一个模型既能写代码、解数学题、读图表,也能上手操控机械臂叠积木。这种一专多能,对将来的通用机器人来说很关键。
推理速度也是不少人盯着的地方,PEAR优化之后交出的成绩不差。靠NVFP4权重量化加上Inco AI的DFlash2 drafter技术,单张RTX 5090显卡上能跑到221 tok/s;换成更高端的GB300,速度直接升到747 tok/s。
拿RTX 5090来说,模型每做一个动作前想一下的时间能压到几百毫秒,大多数桌面操作任务对实时性的要求都够用了。把思考量调低(low档),成功率会掉一些,换来的是更快的反应,用户可以按任务难易自己拿捏这份“努力程度”。
结语
PEAR这一出现,等于给具身智能行业泼了盆冷水,同时又点了一盏灯。
冷水泼向的是那类看法:认定只有千亿参数模型配上海量真机数据才能把机器人做好,信的是“大力出奇迹”。灯照亮的路子更省钱也更走得通——拿现成的强大开源基础模型,搭上高效的仿真强化学习,不用砸钱买昂贵硬件、也不用搭复杂的工程管线,机器人就能练出能用的操作本事。
60%的真机成功率离真正商业化还有一段路,应付更复杂的非结构化环境依旧是难题。但一个27B参数的小模型,在一张消费级显卡上像人那样一边想一边动手,这种可能性已经摆在眼前。这条路,说不定比大家想的要宽。