大数跨境

韩松团队开源PEAR:Qwen3.8-27B真机30次过了18次,5090跑的不是报分那档权重

韩松团队开源PEAR:Qwen3.8-27B真机30次过了18次,5090跑的不是报分那档权重 AI模型库
2026-11-16
0
导读:AI模型库 · 今日一模PEAR · Qwen3.8-27B论文署期 11 月 14 日 · Apache 2.0 · 纯仿真强化学习,无真机数据真机 30 次成功 18 次 · 5090 官方路径是

AI模型库 · 今日一模

PEAR · Qwen3.8-27B

论文署期 11 月 14 日 · Apache 2.0 · 纯仿真强化学习,无真机数据

真机 30 次成功 18 次 · 5090 官方路径是 NVFP4,评测用的是 BF16

有中文报道把这项工作写成「逼近 GPT-6 Astra」。论文自己的表述更窄:在 LIBERO 上,他们把开源的 Qwen3.8-27B 从 1.6% 拉到 74.4%,超过 GPT-6.1 Sol、GPT-6 Astra 的中档(48.1%、49.3%),但满档仍是 Sol 76.2%、Astra 80.6%。差的是满档那几分,并没有追平。

真机数字更硬。论文署期 2026 年 11 月 14 日;代码仓库 11 月 13 日公开,许可 Apache 2.0;权重在 Hugging Face 的 mit-han-lab 集合里。训练全程在仿真里做强化学习,没有演示、也没有真机数据。换到从未训练过的双臂 YAM 上,最终模型 30 次里成功 18 次,只在 LIBERO 上训过的版本是 7 次,底座模型一次都没有。

开源 27B 现在能在真机上干活了。但「逼近前沿」要看推理档位;能在单张 RTX 5090 上起服务的,是 NVFP4,不是他们拿来报分的 BF16。

01

PART

 

放出来的是什么

WHAT SHIPPED

PEAR 是 MIT 韩松实验室的一套后训练引擎,用来在仿真里把推理模型训成机器人使用智能体:看摄像头和手臂状态,先想再输出末端位姿,不加额外工具壳。底座是阿里的 Qwen3.8-27B。论文作者还来自伯克利、UCSD、NVIDIA 和 Inco AI。

Hugging Face 上至少三个仓(2026 年 11 月 16 日检索):最终模型 Qwen3.8-27B-PEAR(LIBERO 再加两个 RoboDojo 任务),只训 LIBERO 的 Qwen3.8-27B-PEAR-LIBERO_only,以及 Qwen3.8-27B-PEAR-NVFP4。三份仓库和 GitHub 的 mit-han-lab/pear 都带 Apache 2.0 许可证。官方部署文档写了:模型服务可用 vLLM 在单张 GPU 上跑,再接到 YAM 或 SO-101。

训练本身不是消费级卡能复现的。论文写:LIBERO 225 步,再在 RoboDojo 两项任务上 115 步;上下文上限 LIBERO 256k、RoboDojo 160k;用的是 H100、H200 和 GB300,全程大约 5 万 H100 等价卡时。这是官方自报。

02

PART

 

真机 18/30,失败原因也写在附录里

REAL ROBOT

像素对照:真机双臂 YAM 上的成功次数(论文 Table 7 / 第 4.4 节,官方自报)。三个模型都未在这台机器上训练,也没有真机数据。
像素对照:真机双臂 YAM 上的成功次数(论文 Table 7 / 第 4.4 节,官方自报)。三个模型都未在这台机器上训练,也没有真机数据。

评测机器人是双臂 YAM。三个模型都没在这台机器上训练过,也没用任何真机数据,推理档都是 xhigh。

30 次里,10 次是「用角尺把三块积木推齐」,20 次是「把某个物体提起 10 厘米」(十种物体,各两次)。最终模型成功 18 次,只用 LIBERO 训过的版本 7 次,底座 0 次。成功的那些走了 7 到 24 轮,上下文大约 23k 到 132k token。只在 LIBERO 上训完、还没进 RoboDojo 时,模型在仿真双臂的两项任务上已是 39.9% 和 17.0%,底座是 10.7% 和 13.0%;再训 115 步后升到 71.2% 和 78.8%。这能解释真机上为什么最终模型是 18 次、只训 LIBERO 的版本只有 7 次。

附录把每次失败原因都列了。底座 30 次里有 25 次把轮次用尽。最终模型的 12 次失败里:6 次轮次用尽,3 次积木没推齐,2 次把物体碰倒,1 次网球滚走。气泵 6 次全被碰倒,刷子 6 次里 5 次轮次用尽——这两样,三个模型都没成功。

另外还有两道论文称为「推理任务」的演示:按《星月夜》在白板上画简笔线稿,以及选酚酞而不是碘或乙醇去测碱性。这是定性描述,论文没有给出像 18/30 那样的重复次数,不当作成绩单。

像素对照:LIBERO 四套平均成功率(论文 Table 2,官方自报)。本方法 74.4% 高于 Sol/Astra 中档,低于满档。
像素对照:LIBERO 四套平均成功率(论文 Table 2,官方自报)。本方法 74.4% 高于 Sol/Astra 中档,低于满档。

仿真侧,LIBERO 四套平均(官方 Table 2):底座 1.6%,本方法(仅 LIBERO、xhigh)74.4%,分套是 Spatial 85.8、Object 97.0、Goal 61.4、Long 53.2。Goal 和 Long 上,分别有 19% 和 33% 的回合是因为触到 256k 上下文预算才结束。低档只剩 21.9%:每轮思维 token 从 3.23k 降到 0.86k,成功也掉到不到三分之一。

换任务比换画风更伤专门微调的 VLA。LIBERO-Pro 四种扰动平均:π0.5 是 53.3%,本方法 62.1%。但在「熟悉场景、换成新任务」这一项,π0.5 从 LIBERO 上的 96.9% 掉到 0.75%,本方法从 74.4% 掉到 57.4%。π0.5 在原任务上更稳,并不等于换一条指令还能做。

RoboLab-120 上,论文引用 2026 年 10 月 29 日榜:最终模型成功率 37.3%,高于 π0.5 的 28.0%,也略高于 Cosmos3-Nano-Policy 的 36.8%;复杂任务上 Cosmos 仍是 25.3%,本方法 13.2%。不是全面第一。

03

PART

 

5090 能起服务,报分用的不是那档权重

WEIGHTS

官方部署说明写得很干脆:GB300 可以上 NVFP4 或 bf16,RTX 5090 只写了 NVFP4。

速度数字来自论文图 9,全部是 NVFP4,并用了 NVIDIA ModelOpt 和 Inco 的 DFlash2 草稿模型:官方自报 单张 RTX 5090 解码 221 token/s,单张 GB300 747 token/s,M5 Max 52 token/s。按 747 token/s 估算,xhigh 一轮大约 4.3 秒,低档大约 1.1 秒。这些不是本号墙钟。

论文同时写了:NVFP4 会降低精度、拉长思维链,所以所有评测都用 BF16 权重。能在 5090 上跑,和 74.4%、18/30 这组分数,不是同一档权重。官方也没有给出 NVFP4 掉了多少分,这篇就不编。

像素对照:三个 Hugging Face 仓库的下载体积(本号 2026-11-16 按文件大小加总)与官方部署文档的用法。下载体积不是显存。
像素对照:三个 Hugging Face 仓库的下载体积(本号 2026-11-16 按文件大小加总)与官方部署文档的用法。下载体积不是显存。

显存占用官方没写成「需要 xx GB」一行,本号也没上机测,不编。只记住:5090 的官方路径是 NVFP4;BF16 官方写在 GB300 上。

还有一条更劝退。完整 RoboDojo(54 个设置、540 回合)上,最终模型只成功 21 回合:训练过的 general pickup 8/10、align blocks 7/10,另外两项各 3/10。底座 540 次里只成 1 次。370 个失败回合(68.5%)是因为 256k 上下文用尽。论文自己也说,训练只覆盖两个仿真器、一小撮任务,而且是从 27B 起步,规模还没做上去。他们另外用配对比较看了九项通用评测,九项均值变化是 −0.15 分,95% 区间都包含 0。这是官方自报,用来说明这次机器人强化学习没有把原来的推理、代码和看图能力明显打掉。

04

PART

 

对照着做

CHECKLIST

像素卡:上手前对号入座(据官方论文表格与部署说明整理)
像素卡:上手前对号入座(据官方论文表格与部署说明整理)
  • 1. 先看官方博客和论文表格,不要只看「逼近 Astra」的标题。比中档、比满档,数字不一样。
  • 2. 想本机试推理:按官方部署文档,5090 走 NVFP4 + vLLM;要靠近论文那组分数,按他们的说法用 BF16,硬件按文档是 GB300 这一档。
  • 3. 下权重前先按仓库体积腾盘:完整权重约 56 GB,NVFP4 约 21 GB(本号加总)。
  • 4. 真机不是插上就能用。仓库支持 YAM 和 SO-101,部署说明要求急停、标定夹爪,先做不使能电机的检查,再小幅度试动作。
  • 5. 别默认换个任务还能维持 LIBERO 上的高分;也别默认 256k 窗够用——RoboDojo 里一大半失败是窗用尽。
  • 6. 对外部署前自己读完 Apache 2.0 原文。

该看的人:已经在用开源视觉语言模型控机械臂,或想弄清「27B 开源了能不能在 5090 上跑」的人。该先停一下的:把媒体标题当成满档追平 Astra,或以为消费卡上的速度和论文报分是同一套权重。

你现在更卡速度、显存,还是上下文?评论区说说。要是有人把「开源 27B 上真机」理解成「一张 5090 就能复现 74.4%」,可以把这篇转给他。


出处:MIT HAN Lab 论文与博客《Training Reasoning Models in Simulation to Natively Use Real Robots》(署期 2026-11-14);GitHub mit-han-lab/pear(Apache 2.0);Hugging Face 仓库 Qwen3.8-27B-PEAR / LIBERO_only / NVFP4 及官方部署说明(检索 2026-11-16)。跑分与真机次数为论文自报,下载体积为本号按仓库加总。

往期 · 接着看

阿里Qwen4-Max预览只开到25号:官方不给跑分,第三方榜10.3分输给自家上一代

号称29G内存跑145B:模型卡实测要24G显存加31G内存,底座是阿里Qwen

MiniMax开源4K生图:“10秒”是在H200上测的,5090实测4MP要6.6到17.8秒

AI我是「AI模型库」,每天挑一个最值得看的 AI 模型,讲清楚它能干嘛、坑在哪。

觉得有用的话,欢迎点赞、收藏、评论。

赞
在看
收藏

THANKS FOR READING

【声明】内容源于网络
0
0
AI模型库
企业AI模型训练,精选行业优秀项目,定制企业机器人助手!写新AI
内容 62
粉丝 0
AI模型库 企业AI模型训练,精选行业优秀项目,定制企业机器人助手!写新AI
总阅读1.4k
粉丝0
内容62