MIT 团队零示教训练 27B 模型上真机，仿真后从 0 分升到 18/30
songhan_mit · x · 2026-11-14
MIT 韩松实验室等团队发布 PEAR（Post-training Engine for Agentic Robotics）：基于开源 Qwen3.8-27B，纯靠仿真中模型自身尝试 + RL 后训练，零人类示教教会机器人操作臂执行任务。
- 核心结果：在从未接触过的真实机器人上，任务成功率从训练前的 0 提升到 18/30；还能临摹画作、自主设计化学实验
- 对比：指令遵循与泛化优于 π0.5，在 LIBERO 上接近 Fable 的闭源 Astra max
- 部署：VLM + 推理 + RL 路线，可本地运行，RTX 5090 上达 220+ tok/s
- 关键卖点：后训练后模型的通用能力（数学、编码）不丢失
模型权重、代码和完整训练基础设施均已开源。
「具身」频道最新
- YC 背书 Vexo 推 199 美元常听 AI 手环，首发仅 1000 只 — kimmonismus · 2026-11-14
- 谷歌一周连发:Gemini 4 Carbon/Hydrogen、Robotics 2.5 等多项发布 — osanseviero · 2026-11-14
- 2025 年全球新装工业机器人超 60 万台，中国占 59% — ingliguori · 2026-11-14
- YC 转发初创 Nines Robotics:让机器人自主管理 AI 数据中心 — ycombinator · 2026-11-14
- Hugging Face 教程:用 SimReady 资产搭建机器人抓放仿真 — Hugging Face Blog · 2026-11-14
- Meta 神经腕带如何把手势变成数字？AI 科普讲解世界数值化 — HarperSCarroll · 2026-11-14