随着 Fable 和 GPT-6 Astra 相继问世，具身智能领域受到巨大冲击，甚至掀起了一股「通用大模型能搞定机器人一切」的热潮。
开发者们争相将这两个模型接入机器人，尝试完成各种复杂任务。但随着探索深入，模型规模庞大的问题也逐渐显现：高昂的推理成本、难以满足实时控制需求的响应延迟，以及端侧算力、功耗和散热限制，都让这些强大的模型难以直接落地。
如何让通用大模型能够让机器人用得起、跑得动，成了新的难题。
但这一切都将开始改变。MIT 韩松团队公布了机器人后训练项目 PEAR （Post-training Engine for Agentic Robotics），把一个 27B 参数的千问模型接上一台真实的双臂机器人。
让我们看两个实机演示效果。研究者给它一张梵高《星空》，它在白板上用夹爪画出了线稿。桌上摆碘水、酚酞、乙醇三瓶试剂，问它怎么验证溶液是否呈碱性，它挑了酚酞滴进去，溶液变粉。
PEAR 基于开源的 Qwen3.8-27B，不需要一帧人类遥操演示，不需要一条真机数据，只在仿真环境里做强化学习。训完之后直接拉到一台它从未见过的双臂 YAM 真机上，30 次测试成功 18 次，而训练前是 0 次。通用性更强，执行指令的能力也比 π0.5 要好。在 LIBERO 模式下，它的表现几乎可以与 Astra Max 相媲美。
在 RTX 5090 显卡上，它的运行速度可以达到 220 以上 tok/s 的水平，完全可以本地运行。
值得注意的一点是，它相比 Qwen3.8-27B 在 AIME、GPQA、LiveCodeBench 等九项通用 benchmark 上的分数几乎不变，模型不会失去数学和编程等通用能力。
Github 链接：
博客链接：
用电脑的方式，就是用机械臂的方式
这很巧妙，机械臂的操作本质上和电脑的操作很相似，只不过是二维与三维的区别。
智能体的 Computer Use 干了什么？看一张截图，思维链里想「保存按钮在右上角」，吐出 click (812, 431)，操作系统挪鼠标。
PEAR 对机械臂做的是同一件事。每回合输入三路摄像头画面加机械臂当前的关节状态，它在思维链里分析「夹爪在橡皮正上方，把手指降到橡皮两侧」，然后输出一段 JSON，包含末端执行器的下一个目标位姿（x、y、z、roll、pitch、yaw）。逆运动学算出关节角，底层控制器驱动机械臂到位。这一回合连同新拍到的画面一起回填上下文，开启下一回合。
机器人操作智能体拾取橡皮擦的最后三轮交互过程，上方展示了计算机操作智能体作为对比。
每一轮中，机器人操作智能体都会观察摄像头画面和机械臂状态，通过思维链进行推理，并输出末端执行器的下一个目标位姿。随后，逆运动学算法和机械臂控制器驱动机械臂完成动作，该轮交互记录也会被加入上下文，供下一轮决策使用。
从头到尾没有感知模块、没有抓取规划器、没有技能库。定位物体、规划路径、判断上一步的偏差，全是模型自己从相机画面中完成的。这套训练方案叫 Robot-Use RL，和前沿模型学会使用电脑的逻辑一模一样。
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，包含四个子套件（Goal、Spatial、Object、Long），合计 2000 个评测 episode。
Qwen3.8-27B 零样本只有 1.6%，经过 RL 训练后的 PEAR 达到 74.4%。同场的闭源旗舰：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：LIBERO 任务成功率。 右图：强化学习（RL）训练过程中，每一步训练采样轨迹（rollout）的成功率。
LIBERO 原版上，π0.5 跑出 96.9%，PEAR 74.4%，看起来差距明显。但研究者引入了两个扰动版本 LIBERO-Plus 和 LIBERO-Pro，结果就完全不同了。
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 主要扰动观测条件（相机角度、光照、背景、传感器噪声），两个模型下降幅度接近，LIBERO-Pro 则直接改变了任务目标和物体布局。看两种关键扰动：
任务替换。场景、物体、初始状态均一致，只替换指令。训练时指令为「把碗放到盘子上」，评测时改成「把碗放到炉灶上」。π0.5 从 96.9% 坠到 0.75%，掉 96.2 分。PEAR 从 74.4% 降到 57.4%，掉 17 分。
布局替换。指令不变，物体位置对调，完成同一句指令需要走不同的运动路径。π0.5 跌到 20.8%，掉 76.1 分。PEAR 落到 57.5%，掉 16.9 分。
π0.5 在另外两种扰动（改写指令措辞、替换物体外观）上仍然领先，因为这两种情况下正确的运动轨迹没变。π0.5 记住了训练时见过的运动模式，模式适用就高分，模式失效就完全失败；PEAR 保留了基础模型的指令理解和视觉感知能力，RL 教它根据当前画面和指令重新生成位姿。一个在模仿，一个在推理，任务条件一变，差别巨大。
纯仿真训练
PEAR 的训练流程全程在仿真中完成，没有碰过任何真实机器人数据。迁移测试从三个维度展开。
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 0.4%），在一个长程任务套件上从几乎零能力跳到接近四成。
新机器人、新仿真器。RoboDojo 是一个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，没碰过 RoboDojo 或 ARX，直接在 general_pickup 上拿到 39.9%，底座是 10.7%，近四倍的提升。
新 benchmark。第三个仿真评测平台 RoboLab-120，包含 120 个桌面任务，三个难度级别，每个任务 10 次评测。PEAR（在 LIBERO + RoboDojo 上训练后）跑出 37.3%，底座 5.4%。作为对比，RoboLab 排行榜上的通才机器人策略成绩如下：NVIDIA Cosmos3-Nano-Policy 36.8%、π0.5 28.0%、DreamZero 25.7%、GR00T N1.6 7.2%。PEAR 和 Cosmos3 几乎打平，高于其余三家。
真机。在 LIBERO + RoboDojo 都完成训练过后，研究者把模型拉到一台双臂 YAM 真机上。这台机器人在训练中从未出现，从仿真器到机械臂型号到物理环境全是陌生的。
30 次测试分两组。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，成绩为 0/30。只在 LIBERO 上训过的中间检查点获得 7/30 的成绩。完整版能够达到 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。
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。
PEAR 验证了一条值得关注的技术路线：当基础模型的推理能力足够强，仿真环境中的强化学习就有可能教会它操控真实机械臂，无需额外构建复杂的感知管线、技能库，也不必依赖大量遥操作数据。
更重要的是，PEAR 在展示通用模型具身操作潜力的同时，也进一步降低了实现这种能力所需的模型规模和算力门槛。
过去，行业往往将更强的机器人智能寄托于更大的模型、更多的数据和更昂贵的算力。PEAR 则提供了另一种可能：机器人未必需要一个专门训练的庞大「大脑」，也有机会通过相对轻量的通用模型，获得足够实用的操作能力。
当然，距离复杂、开放的真实物理环境还有很长的路要走。但至少，PEAR 让行业看到，通向通用机器人智能的道路，或许比想象中更加多元，也更加经济。
更多信息，请参考原论文。
来源：机器之心
