Event ·Multi-source

27B 开源推理模型纯仿真强化学习训练真实机器人操作

论文提出 PEAR(Post-training Engine for Agentic Robotics)训练框架,用机器人使用强化学习(RURL)在仿真环境中训练一个 27B 开源推理模型,全程无人类演示数据。模型像计算机使用智能体(CUA)一样观察环境、生成思维链推理,并直接输出下一步末端执行器位姿,无需额外封装框架。在 LIBERO 仿真基准上,训练将成功率从 1.6% 提升至 74.4%,接近 GPT-6 Astra 和 GPT-6.1 Sol 在最大推理档位下的水平。 仿真中习得的技能展现出跨域泛化能力:模型可迁移到未见过的机器人本体、真实世界以及新指令。在真实双臂机器人上,模型在 60% 的试验中完成任务,而基座模型成功率为零。与基于演示微调的视觉-语言-动作模型 π0.5 相比,该方法对任务变化的鲁棒性明显更强:在 LIBERO-Pro 上,面对熟悉场景中的新任务,π0.5 仅完成 0.75% 的回合,该模型达到 57.4%。 此外,模型在九项推理、编码与视觉基准上无可测退化,保留了通用能力。论文指出 RURL 有望成为基础模型后训练的常规组成部分,为开源权重模型追赶 GPT-6 Astra、Claude Fable 5.2 等闭源前沿模型在机器人控制上的差距提供了一条不依赖演示数据的路径。

Current read

开源模型以前玩不动机器人控制,这篇论文用纯仿真强化学习把 27B 模型练到真机上 60% 成功率,还不牺牲推理能力。做具身智能或后训练的工程师应该仔细看看 PEAR 框架的设计。

11 sources63° AI heatLast updated 2026/11/13 18:59:02

Evidence

11 sources
Primary sourcearXiv cs.LG
View source
Related source 1lmarena.ai
View source
Related source 3Artificial Analysis
View source
Related source 5rohanpaul_ai
View source
Related source 9掘金本周最热
View source
Related source 10Bindu Reddy
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.