# MIT Han Lab treina modelo para robôs apenas em simulação

> Segundo os pesquisadores, seu modelo aberto de raciocínio com 27 bilhões de parâmetros alcançou 60% de sucesso em um robô real de dois braços após ser treinado apenas em simulação.

Oossa · 2026-11-16 · https://oossa.com/pt/mit-han-lab-trains-a-robot-using-model-entirely-in-simulation

Pesquisadores do MIT Han Lab afirmam ter treinado um modelo aberto de raciocínio com 27 bilhões de parâmetros para operar robôs usando aprendizado por reforço em simulação, sem demonstrações de como executar as tarefas. Em um robô real de dois braços, o modelo treinado teve sucesso em 60% dos testes; o modelo sem treinamento não teve sucesso em nenhum.

O modelo, baseado no Qwen3.8-27B, também melhorou de 1,6% para 74,4% no benchmark de tarefas robóticas LIBERO. Os pesquisadores dizem que esse resultado se aproximou dos obtidos pelo GPT-6 Astra e pelo GPT-6.1 Sol quando esses modelos foram executados com as configurações de raciocínio mais avançadas. Os resultados vêm das avaliações dos próprios pesquisadores, não de uma análise independente.

## Como ele controla um robô?

O modelo recebe imagens de câmeras e informações sobre o braço do robô, raciocina sobre o que fazer e, em seguida, indica a próxima posição do braço. Um controlador do robô transforma essa posição em movimento. Os pesquisadores dizem que o processo é semelhante ao de um agente que usa um computador, observa a tela e clica, mas afirmam que o sistema não recorre a uma camada adicional de ferramentas de percepção, planejadores de movimento ou habilidades predefinidas.

O treinamento usou aprendizado por reforço para uso de robôs: o modelo tentou executar tarefas em ambientes simulados e aprendeu com os resultados. O software PEAR da equipe fornece a infraestrutura de treinamento, incluindo simulações e ferramentas de avaliação. O MIT Han Lab diz que disponibilizou o modelo, o código e a infraestrutura de treinamento.

## O treinamento em simulação funciona no mundo real?

Os pesquisadores afirmam que o modelo transferiu suas habilidades para um robô real, um robô diferente e instruções que não havia encontrado durante o treinamento. No LIBERO-Pro, que testa mudanças de objetivos e da disposição dos objetos, o modelo teve sucesso em 57,4% dos episódios com uma tarefa nova em um cenário conhecido. O modelo π0.5, treinado com demonstrações, teve sucesso em 0,75% nesse teste.

Esse teste é diferente de simplesmente repetir tarefas conhecidas. No LIBERO, os pesquisadores avaliaram os modelos em 2.000 episódios. Também afirmam que não houve perda mensurável em nove benchmarks de raciocínio, programação e visão após o treinamento robótico. O artigo é uma pré-publicação no arXiv, e os resultados não demonstram como o sistema se sairia no uso cotidiano nem com outros robôs e em outros contextos.

## Os fatos

- O modelo-base era o Qwen3.8-27B, um modelo aberto de raciocínio com 27 bilhões de parâmetros.
- O índice de sucesso no LIBERO subiu de 1,6% antes do treinamento para 74,4% depois dele.
- O modelo treinado teve sucesso em 60% dos testes com um robô real de dois braços; o modelo-base teve sucesso em 0%.
- No teste do LIBERO-Pro com uma tarefa nova em um cenário conhecido, os pesquisadores relatam 57,4% de sucesso para o modelo e 0,75% para o π0.5.

## Por que importa

Pesquisadores de robótica podem usar o modelo, o código e a infraestrutura de treinamento PEAR disponibilizados pela equipe para investigar se o treinamento baseado em simulação pode reduzir a necessidade de demonstrações de tarefas. O resultado relatado com um robô real é promissor, mas não mostra com que confiabilidade o sistema funcionaria fora dos robôs e das tarefas avaliados.

## Fontes e referências

1. [Training Reasoning Models in Simulation to Natively Use Real Robots](https://arxiv.org/abs/2611.18562) – arXiv cs.RO, 2026-11-16
2. [MIT HAN Lab](https://github.com/mit-han-lab/pear) – MIT HAN Lab
3. [MIT Han Lab](https://mit-han-lab.github.io/pear-blog/) – MIT Han Lab

Última atualização: 2026-11-16
