# MIT Han Lab 仅用仿真训练机器人操作模型

> 研究人员称，这款开放的 27B 推理模型仅通过仿真训练，就能在真实双臂机器人上达到 60% 的成功率。

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

MIT Han Lab 的研究人员表示，他们通过仿真中的强化学习，训练出一个开放的 270 亿参数推理模型来操控真实机器人，训练过程没有使用任务演示。在真实双臂机器人上，训练后的模型在测试中成功率为 60%；未训练的模型则一次也没有成功。

这款基于 Qwen3.8-27B 的模型，在 LIBERO 机器人任务基准测试中的成绩也从 1.6% 提升至 74.4%。研究人员称，这一成绩接近 GPT-6 Astra 和 GPT-6.1 Sol 在最高推理设置下的表现。这些结果来自研究人员自己的评估，并非独立评测。

## 它如何操控机器人？

模型接收摄像头图像和机械臂信息，推理下一步该做什么，然后输出机械臂的下一个位置。机器人控制器会将这个位置转换为动作。研究人员称，这与计算机操作智能体查看屏幕并发出点击指令类似，但他们的系统没有额外使用感知工具、运动规划器或预设技能层。

训练采用机器人操作强化学习：模型在模拟环境中尝试完成任务，并根据是否成功进行学习。团队开发的 PEAR 软件提供了训练基础设施，包括仿真环境和评估工具。MIT Han Lab 表示，模型、代码和训练基础设施均已公开发布。

## 仿真训练能迁移到真实场景吗？

研究人员称，模型能将学到的技能迁移到真实机器人、另一种机器人以及训练期间未接触过的指令上。在测试目标和物体布局变化的 LIBERO-Pro 中，面对熟悉场景里的新任务，模型在 57.4% 的测试回合中成功。通过演示训练的模型 π0.5 在这一测试中的成功率为 0.75%。

这类测试不同于单纯重复熟悉任务。在 LIBERO 测试中，研究人员对模型进行了 2,000 个回合的评估。他们还报告称，机器人训练后，模型在九项推理、编程和视觉基准测试中的表现没有可测量的下降。这篇论文目前是 arXiv 预印本，现有结果并不能说明该系统在日常使用，或在其他机器人和场景中的表现。

## 事实

- 基础模型为 Qwen3.8-27B，是一个开放的 270 亿参数推理模型。
- LIBERO 成功率从训练前的 1.6% 升至训练后的 74.4%。
- 训练后的模型在真实双臂机器人测试中成功率为 60%；基础模型的成功率为 0%。
- 在 LIBERO-Pro 的“熟悉场景中的新任务”测试中，研究人员报告称，该模型成功率为 57.4%，π0.5 为 0.75%。

## 为什么重要

机器人研究人员可以使用已发布的模型、代码和 PEAR 训练基础设施，探索仿真训练能否减少对任务演示的依赖。真实机器人测试结果令人鼓舞，但尚不能说明该系统在测试范围之外的机器人和任务中能否稳定运行。

## 来源与参考

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

最后更新: 2026-11-16
