您的位置首页 >机器人 >

逼近GPT-6 Astra韩松团队让Qwen3.8-27B在5090上操作机械臂,现已开源

我先联网检索这条新闻的原始报道与技术细节。

主稿已拿到,我再补充官方项目页与技术细节,确认成功率和推理配置口径。

官网项目页数据很全。再确认机器之心的原始报道链接。

信息齐了,官方项目页有完整数据。下面按你的固定排版成文。

PEAR 把 Qwen3.8-27B 变成机械臂大脑:一张 5090 跑 221 token/s,真机成功率从 0 到 60%

一句话说清这件事:MIT 韩松团队(Song Han)联合 UC Berkeley、UCSD、NVIDIA 与 Inco AI,发布了机器人后训练项目 PEAR(Post-training Engine for Agentic Robotics),把开源的 Qwen3.8-27B 推理模型用纯仿真强化学习训成 "机械臂操作员"—— 不用一帧人类遥操演示,不用一条真机数据,训完直接放到一台它从没见过的双臂 YAM 真机上,30 次测试成功 18 次(60%),而这个基座模型此前的真机成功率是 0。在 LIBERO 基准上,它把成功率从 1.6% 拉到 74.4%,逼近 GPT-6 Astra 最高推理档的 80.6%;在单张 RTX 5090 上解码速度 221 token/s,意味着一个带思维链的 27B 机器人模型可以在消费级显卡上本地闭环驱动机械臂。模型、代码和完整训练基础设施已全部开源。它真正改变的不是 "又一个机器人模型",而是行业默认的那条路 —— 要更强的机器人智能,就得更大的模型、更多的真机数据、更贵的算力。

为什么这条路走通了才有意义

GPT-6 Astra 和 Claude Fable 出来之后,业内一度有个乐观判断:通用大模型直接接上机器人就能干一切。真接上去才发现三个现实问题:

  • 推理太贵。每动一下都要走一遍思维链,token 成本按百万计,一个任务下来账单很可观。
  • 延迟太长。机械臂的闭环控制是秒级的,模型想 4 秒才吐一个动作,现场根本等不了。
  • 端侧扛不住。几百亿参数的大模型塞不进机器人本体的算力和散热预算。

于是问题变成:能不能用一个够小、够快、又保留推理能力的模型,直接当机械臂的 "大脑"。PEAR 给的就是这个答案,而且是把规模压到 27B、把硬件压到一张消费级显卡的这个量级。

PEAR 到底怎么干活:把机械臂当电脑用

它的思路很像 computer-use 智能体,只是把二维屏幕换成三维空间:

  1. 看。每回合输入三路摄像头画面,加上机械臂当前的关节状态。
  2. 想。在思维链里用自然语言推理,比如 "夹爪在橡皮正上方,把手指降到橡皮两侧"。
  3. 写。输出一段 JSON,给出末端执行器下一个目标位姿(x、y、z、roll、pitch、yaw)。
  4. 动。逆运动学把位姿解成关节角,底层控制器驱动机械臂到位。
  5. 回填。这一回合连同新拍到的画面写回上下文,进入下一回合。

关键在于中间什么都不挂:没有感知模块、没有抓取规划器、没有技能库。找物体、规划路径、判断上一步偏没偏,全靠模型自己从画面里读出来。这套训练方法叫 Robot-Use RL—— 和前沿模型学会用电脑的逻辑同源,只是奖励信号换成了 "任务成没成"。

训练过程也能说明它为什么便宜:LIBERO 的 Goal、Spatial、Object 三个套件上,基座模型成功率只有约 2%,几乎每个 rollout 都拿不到奖励,但 RL 在 148 步内把训练成功率拉到约 70%;到 225 步,LIBERO 整体到 74.4%。

成绩单:仿真、迁移、真机三层都验过

评测维度PEAR(Qwen3.8-27B + Robot-Use RL)对照基线
LIBERO 成功率1.6% → 74.4%(xhigh 档)GPT-6 Astra max 80.6%、GPT-6.1 Sol max 76.2%、Astra medium 49.3%
陌生指令跟随(同场景换任务)57.4%π0.5 仅 0.75%
LIBERO-Pro(换目标、换布局)74.4% → 62.1%(掉 12.3 点)π0.5 96.9% → 53.3%(掉 43.6 点)
LIBERO-Long 零样本0.4% → 39.0%未在 Long 上训练过
RoboDojo(换仿真器、换双臂 ARX)general_pickup 10.7% → 39.9%;align_blocks 13.0% → 17.0%基座模型
RoboLab-120(第三个仿真器)37.3%Cosmos3-Nano 36.8%、π0.5 28.0%、GR00T N1.6 7.2%
真机双臂 YAM(从未见过)0/30 → 18/30(60%)仅训 LIBERO 的中间检查点为 7/30(23%)
九项通用能力无统计显著损失,均值 -0.15 分AIME 98.3→98.5、GPQA 89.6→89.7、LiveCodeBench 88.0→88.4

真机那 30 次测试分两组:一组用三角尺把三个积木推成一条直线(5 个场景各 2 次),一组抓取绳子、螺丝、遥控器、毛绒乌龟、网球、订书机、洗洁精、喷雾罐、气泵、刷子共 10 种物体(每种 2 次)。判定规则很硬:单回合超过 25 轮,或一次思考超过 32k token,直接算失败。

还有两个展示 "世界知识" 的实机片段值得看:给它一张梵高《星空》,它在白板上用夹爪画出线稿;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,它选酚酞而不是碘水,滴进去溶液变粉。这类任务靠的不是动作策略,是基座模型的常识和推理。

一张 5090 为什么就够

瓶颈从来不是权重能不能装下,而是每步动作前都要走思维链,解码速度直接决定机械臂的反应节奏。PEAR 的推理栈用 NVFP4 权重量化加 DFlash2 推测解码草稿器(平均接受长度 3.2 token),实测:

硬件解码速度说明
Apple M5 Max(Inco Splash 引擎)52 tok/s笔记本级别可用
单张 RTX 5090(megakernel)221 tok/s消费级显卡本地跑
单张 GB300(megakernel)747 tok/sxhigh 档一回合约 4.3 秒,low 档约 1.1 秒

速度之外还有一层可调的空间:模型训练时只用 xhigh 档,但推理时 effort 仍可调。low 档每回合思考约 0.86k token,xhigh 约 3.23k token;同一个检查点,LIBERO 成功率从 74.4% 掉到 21.9%。也就是说,它的能力基本是按思考长度线性换来的,快和准是一个显式的旋钮,不是玄学。

想自己复现,按这三步走

  1. 拿资产。项目主页看方法,GitHub 拉代码,Hugging Face 拿权重,训练基础设施一并放出。
  2. 对齐硬件。NVFP4 需要 Blackwell 架构的张量核心,5090、GB300 这类卡才吃满收益;显存方面 27B 量化后约十几 GB 量级,单卡 32GB 比较宽裕。
  3. 先跑通推理,再谈训练。推理只要一张卡加量化权重就能验证闭环;RL 训练要在仿真里大规模并行 rollout,算力需求比推理高一个量级,别把 "能推" 当成 "能训"。

边界在哪,别把 60% 当 100%

  • 场景窄。真机验证集中在抓取和几何对齐这类短程任务,长程组合、精密装配、多物体协同还没系统验证。
  • 成功率和思考量强绑定。想快就掉点,想准就变慢,实际部署要在节拍和成功率之间做取舍。
  • 语义理解强、物理执行弱。这是通用模型上机的通病:它说得清 "该往哪放",但对 "这么放会不会碰倒旁边的东西" 判断不稳。
  • 不是替代 VLA。π0.5 这类专门策略在固定任务上依然更强(LIBERO 上 96.9%),PEAR 赢的是泛化和迁移,不是单任务上限。

常见问题

问题 1:PEAR 训出来的 Qwen3.8-27B,和 π0.5 这类 VLA 到底差在哪?

回答 1:差在范式。VLA 靠大量人类遥操演示做监督学习,学的是 "看到这个画面就输出这串动作";PEAR 的 Qwen3.8-27B 不输出动作 token,而是像人一样先想再写出一段位姿 JSON,由逆运动学去执行,训练信号只有任务成没成。所以它在固定任务上不如专门策略,但换个场景、换句指令、换台机械臂时,掉点明显更少 —— 在陌生指令上 57.4% 对 π0.5 的 0.75%,就是这个差别的量化体现。

问题 2:真机 30 次成功 18 次,这个 PEAR 模型现在能上手干活吗?

回答 2:能干的活很具体 —— 抓取指定物体、用工具把积木推齐这类短程任务,PEAR 驱动机械臂已经可用;长程、多步骤、需要精确力控的产线作业还不行。要判断能不能落地,别看 60% 这个总数,要看你自己那条工序的单步容错率:如果一步失败就能重试,PEAR 这类模型有价值;如果一步失败就报废工件,现阶段别上。

问题 3:我只有一张 5090,能复现 PEAR 的 Qwen3.8-27B 吗?

回答 3:推理侧可以,训练侧不够。一张 RTX 5090 加上 NVFP4 量化权重,跑到 221 token/s 驱动机械臂是验证过的;但 Robot-Use RL 要在仿真里并行大量 rollout,还要反复前向反向,单卡跑通小规模实验可以,复现论文那套完整训练不现实。比较务实的做法是:先用官方权重在 5090 上把闭环跑通,确认你的相机、机械臂、逆运动学接口对得上,再决定要不要上多卡训练。

问题 4:标题说 "逼近 GPT-6 Astra",PEAR 到底差多少?

回答 4:LIBERO 上 PEAR 是 74.4%,GPT-6 Astra 最高档是 80.6%,差 6.2 个点;但 Astra 那个成绩是几百亿级参数、跑在数据中心硬件上的结果,PEAR 是 27B 跑在 5090 上。所以 "逼近" 指的是同一套无 harness 的评测口径下分数接近,成本差一到两个数量级。真正该记住的不是这个分数差,而是 "精度可以靠规模换,也可以靠训练方法换" 这件事被验证了。

问题 5:PEAR 开源了哪些东西,能商用吗?

回答 5:按项目主页的说法,模型权重、代码和完整训练基础设施都放出来了,权重在 Hugging Face 的 mit-han-lab/pear 集合里,基座是 Apache 2.0 的 Qwen3.8-27B。但 "开源" 不等于 "随便商用",具体许可、第三方依赖和仿真环境的授权要逐个核对,尤其是训练用到的仿真器与数据集,各自有自己的条款。

参考资料

  • [2026-11-15](逼近 GPT-6 Astra!韩松团队让 Qwen3.8-27B 在 5090 上操作机械臂,现已开源)凤凰网科技
  • [2026-11-15](PEAR 项目主页:Training Reasoning Models in Simulation to Natively Use Real Robots)MIT HAN Lab
  • [2026-10-29](Astra 冲击波与具身行业的 50 天)36 氪
  • [2026-10-20](Large Multimodal Models for Direct Robot Control: GPT-6 as a Beginning)arXiv
  • [2026-10-15](Qwen/Qwen3.8-27B 部署配方)vLLM Recipes
  • [2026-09-29](GPT-6 Astra: A new generation of intelligence)OpenAI
  • [2026-08-31](如何在 NVIDIA RTX 5090 上本地运行 Qwen3.8-27B)DataCamp

免责声明

本文依据公开报道、项目主页与厂商 / 平台技术文档整理,仅用于技术信息交流,不构成采购建议、投资建议或对任何模型性能的保证。文中成功率、token 速度等指标均来自原作者披露的特定评测设置(含推理档位、量化方案与硬件条件),换设备、换仿真环境、换任务分布都可能出现明显差异,复现结果请以你自己环境下的实测为准。引用内容版权归原作者及原发布媒体所有,如有异议请联系删除。

今日大家都在搜的词: