MIT 韩松团队推出 PEAR 机器人智能体后训练项目，基于 Qwen3.8-27B 开源模型，在单张 RTX5090 显卡本地部署，直接驱动真实双臂机械臂完成画图、化学实验等复杂操作，基准测试性能逼近闭源 GPT-6 Astra，整套代码、模型权重、训练基础设施全部对外开源。现在主流的 GPT-6 Astra 这类闭源具身模型效果很强，但调用成本高、推理延迟高，很难在本地显卡直接跑起来，不利于机器人方向的科研和落地。PEAR 方案不需要大量真人遥操数据、不需要真机预训练，把 Qwen3.8-27B 作为视觉语言智能体，读取多路摄像头画面、机械臂关节状态，自主推理拆解任务，输出夹爪目标位姿指令，再由逆运动学模块转换成机械臂关节动作。这套方案把通用大模型和机器人控制打通，单卡 RTX5090 就能跑，推理速度可达 220token/s，大幅降低具身智能的硬件门槛。在实际测试中，LIBERO 仿真基准成功率提升至 74.4%，未见过的新指令泛化成功率 57.4%，在陌生双臂真机上也能完成任务，研究人员还现场演示了机械臂临摹星空画作、使用酚酞试剂检测碱性溶液等案例。开发者拿到开源资源之后，可以直接在本地显卡部署，修改提示词、调整控制逻辑，快速做机器人操控相关实验。
PEAR 项目核心信息清单
- 项目名称：PEAR（Post-training Engine for Agentic Robotics）
- 研发团队：MIT 韩松团队
- 基础模型：Qwen3.8-27B
- 运行硬件：单张 RTX5090
- 推理速度：220+ token/s
- 核心特点：零遥操演示数据、无需真机预训练、本地闭环推理
- 测试指标：LIBERO 基准 74.4%，新指令泛化成功率 57.4%
- 开源内容：代码、模型权重、完整训练框架、论文、项目主页
- 典型演示任务：图像临摹绘画、化学试剂实验、物体抓取搬运
机械臂操控完整运行步骤
- 多传感器输入：三路摄像头图像、机械臂当前关节状态同步送入 Qwen3.8-27B
- 模型推理：大模型做场景理解、任务拆解，输出自然语言思维链 + 目标位姿 JSON
- 运动解算：逆运动学模块把末端位姿转换成机械臂各关节角度
- 底层驱动：控制器驱动机械臂、夹爪完成对应动作
- 反馈闭环：拍摄新画面，把执行结果回传给模型，进入下一轮规划
- 迭代优化：多次循环直到完成全部任务
方案对比表
| 对比项 | 韩松 PEAR（Qwen3.8-27B+RTX5090） | GPT-6 Astra | 传统 VLA 机器人模型 |
|---|---|---|---|
| 部署方式 | 本地单卡 RTX5090 | 云端闭源调用 | 大多需要专用机器人数据集训练 |
| 数据依赖 | 不需要遥操演示、真机预训练 | 依赖大量专有数据 | 需要海量机器人实操数据 |
| 使用成本 | 低，开源免费，消费级显卡可跑 | 高，按调用计费 | 数据采集成本高 |
| 泛化能力 | 新指令泛化强 | 上限高，但封闭不可改 | 容易过拟合固定场景 |
| 可修改性 | 代码、权重全部开源，可二次开发 | 闭源，无法改动底层 | 部分开源，改动门槛高 |
【常见问题】
问题 1：韩松团队 PEAR 项目用 Qwen3.8-27B 在 RTX5090 操控机械臂，为什么说性能逼近 GPT-6 Astra？
回答 1：韩松团队 PEAR 项目用 Qwen3.8-27B 在 RTX5090 操控机械臂，在 LIBERO 仿真基准、真实机器人泛化任务上的测试成绩接近 GPT-6 Astra，同时支持本地单卡部署。
问题 2：韩松团队基于 Qwen3.8-27B 操控机械臂的 PEAR 项目，开源包含哪些内容？
回答 2：韩松团队基于 Qwen3.8-27B 操控机械臂的 PEAR 项目开源包含项目代码、模型权重、训练基础设施、论文、项目主页，开发者可以直接复现机械臂操控实验。
问题 3：运行韩松团队这套 Qwen3.8-27B 操控机械臂的方案，最低需要什么硬件？
回答 3：韩松团队这套 Qwen3.8-27B 操控机械臂的方案，官方验证环境为单张 RTX5090，在该显卡上可以达到 220+token/s 的推理速度。
【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） 机器之心
[2026-11-15]（韩松 PEAR 项目：Qwen3.8-27B 本地驱动双臂机器人，对标 GPT-6 Astra） 新浪科技
[2026-11-15]（PEAR 项目主页、论文与 Github 开源仓库发布） MIT 韩松实验室博客
【免责声明】
本文为科研项目公开资讯整理，Qwen3.8-27B 操控机械臂的 PEAR 方案当前处于科研验证阶段，真机稳定性、任务上限还有持续优化空间，项目实际效果受显卡驱动、机械臂型号、环境配置影响，不构成机器人产品采购、商业落地建议。