# MIT Han Lab обучила модель управлять роботом только в симуляции

> По словам исследователей, открытая модель с 27 млрд параметров после обучения только в симуляции успешно выполнила 60% испытаний на реальном роботе с двумя манипуляторами.

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

Исследователи MIT Han Lab утверждают, что обучили открытую модель рассуждения с 27 млрд параметров управлять реальными роботами с помощью обучения с подкреплением в симуляции — без примеров выполнения задач. На реальном роботе с двумя манипуляторами обученная модель успешно справилась в 60% испытаний; необученная не справилась ни разу.

Модель на базе Qwen3.8-27B также улучшила результат на бенчмарке робототехнических задач LIBERO с 1,6% до 74,4%. По словам исследователей, этот показатель приблизился к результатам GPT-6 Astra и GPT-6.1 Sol при максимальных настройках рассуждения. Это результаты оценок самих исследователей, а не независимая проверка.

## Как модель управляет роботом?

Модель получает изображения с камер и данные о манипуляторе, определяет, что нужно сделать, а затем задаёт его следующую позицию. Контроллер робота преобразует эту позицию в движение. Исследователи сравнивают такую схему с агентом для управления компьютером, который смотрит на экран и нажимает кнопки, но отмечают, что их система не использует дополнительные инструменты распознавания, планировщики движения или заранее заданные навыки.

Для обучения применялось обучение робота с подкреплением: модель выполняла задачи в симулированной среде и училась на результатах. Программное обеспечение PEAR от команды предоставляет инфраструктуру для обучения, в том числе симуляции и инструменты оценки. MIT Han Lab сообщает, что опубликовала модель, код и инфраструктуру для обучения.

## Переносится ли обучение из симуляции на реального робота?

По данным исследователей, модель смогла применить полученные навыки на реальном роботе, другом роботе и при выполнении инструкций, с которыми не сталкивалась во время обучения. На LIBERO-Pro, где проверяются изменения целей и расположения объектов, их модель успешно выполнила 57,4% эпизодов с новой задачей в знакомой сцене. Модель π0.5, обученная на демонстрациях, справилась в таких условиях в 0,75% случаев.

Это испытание отличается от простого повторения знакомых задач. На LIBERO исследователи оценили модели в 2 000 эпизодах. Они также сообщают, что после обучения управлению роботами результаты по девяти бенчмаркам рассуждения, программирования и компьютерного зрения не снизились. Статья опубликована как препринт на arXiv, а результаты не показывают, насколько хорошо система будет работать в повседневных условиях или на других роботах и в иных сценариях.

## Факты

- В основе модели лежит Qwen3.8-27B — открытая модель рассуждения с 27 млрд параметров.
- Результат на LIBERO вырос с 1,6% до обучения до 74,4% после него.
- На реальном роботе с двумя манипуляторами обученная модель успешно выполнила 60% испытаний, а базовая — 0%.
- В тесте LIBERO-Pro с новой задачей в знакомой сцене исследователи получили для своей модели результат 57,4%, а для π0.5 — 0,75%.

## Почему это важно

Опубликованные модель, код и инфраструктура обучения PEAR позволят исследователям робототехники изучить, может ли обучение в симуляции уменьшить потребность в демонстрациях выполнения задач. Результат на реальном роботе выглядит многообещающе, но не показывает, насколько надёжно система будет работать за пределами испытанных робота и задач.

## Источники и ссылки

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

Обновлено: 2026-11-16
