Modelos
Un preprint con autores del MIT dice que Qwen3.8-27B-PEAR, entrenado solo en simulación, completó 18 de 30 pruebas en un robot real de dos brazos que nunca vio, mientras el modelo base no completó ninguna
Un preprint dice que un modelo 27B entrenado solo en simulación completó 18 de 30 pruebas en un robot real; el modelo base, ninguna. Dos tipos de tareas.
Un preprint fechado el 13 de noviembre de 2026, con autores del MIT, UC Berkeley, UCSD, Nvidia e Inco AI, informa de que un modelo de razonamiento de pesos abiertos de 27.000 millones de parámetros aprendió a controlar robots reales tras entrenarse solo en simulación. El sistema de entrenamiento se llama PEAR (Post-training Engine for Agentic Robotics) y el modelo resultante, Qwen3.8-27B-PEAR. En un robot de dos brazos YAM que ningún modelo vio al entrenar, el modelo final tuvo éxito en 18 de 30 pruebas. Son intentos sobre un conjunto pequeño de tareas, no 30 tests distintos.
Lo esencial
- Qué es PEAR: un sistema de posentrenamiento que aplica aprendizaje por refuerzo a un modelo de razonamiento en simulación, sin demostraciones humanas. El modelo es el Qwen3.8-27B de pesos abiertos de Alibaba.
- Entrenamiento: simuladores LIBERO y RoboDojo, 148 pasos en tres suites de LIBERO, luego 77 más con LIBERO-Long y 115 en RoboDojo. Sin datos de robots reales.
- Resultado en robot real: 18 de 30 pruebas el modelo final, 7 un punto de control solo con LIBERO y 0 el modelo base, en un YAM de dos brazos nunca visto.
- Qué fueron las 30 pruebas: recoger objetos (12 de 20 con éxito) y alinear bloques (6 de 10).
Pruebas, no 30 tests distintos
La cifra cuenta intentos en dos familias de tareas, recoger y alinear bloques, con un solo robot. Muestra transferencia de la simulación a un robot nuevo dentro de esas familias. No muestra que el modelo pueda hacer 30 trabajos distintos, y las dos demostraciones de razonamiento por prompt no se puntúan.
Los límites que señalan los autores
El artículo no informa de ablaciones de componentes, usa un solo modelo base, dos simuladores y un conjunto pequeño de tareas. Los resultados dependen del prompt y de que el controlador alcance las poses objetivo. El razonamiento es lento, unos 4,3 segundos por ronda de alto esfuerzo. El prompt debe describir el robot y sus direcciones de coordenadas.
Lo que no está establecido
- Si el resultado se mantiene con otros robots o tareas: no probado más allá de un YAM y dos familias de tareas.
- Qué parte de la receta pesa más: no se informan ablaciones.
- Revisión por pares: es un preprint.
- Velocidad y fiabilidad reales: el razonamiento tarda segundos por paso.
- Replicación independiente: ninguna informada.
Tabla resumen
| Punto | Lo que se afirma a 7 de noviembre de 2026 | Fuente |
|---|---|---|
| Artículo | Preprint del 13 de noviembre de 2026, arXiv 2611.18562 | arXiv |
| Modelo | Qwen3.8-27B posentrenado con PEAR mediante aprendizaje por refuerzo | arXiv |
| Datos de entrenamiento | Solo simulación, sin demostraciones ni datos de robot real | ArXivSignals |
| Robot real | YAM de dos brazos, no visto al entrenar; 30 pruebas | ArXivSignals |
| Resultados | Final 18/30, solo LIBERO 7/30, base 0/30 | Sam on AI |
Preguntas frecuentes
¿PEAR es un modelo o un método?
PEAR es el sistema de entrenamiento. El modelo que produce se llama Qwen3.8-27B-PEAR.
¿Superó 18 tests distintos de 30?
No. Tuvo éxito en 18 de 30 pruebas repartidas en dos familias de tareas: recoger y alinear bloques.
¿Se usaron datos de robots reales?
El artículo dice que no. El entrenamiento fue solo en simulación, sin demostraciones.
Método y límites
Comprobado el 16 de noviembre de 2026. Leímos el artículo de arXiv y dos resúmenes mediante extractos de búsqueda; una lectura directa del artículo fue limitada por la tasa de peticiones. La petición decía «18 tests de 30»; el artículo cuenta pruebas en dos familias de tareas. Las afiliaciones proceden del extracto del PDF de arXiv; una página de resumen solo da etiquetas de laboratorios.
Fuentes
- arXiv: Training Reasoning Models in Simulation to Natively Use Real Robots (HTML) (verificado el 2026-11-08)
- arXiv: Training Reasoning Models in Simulation to Natively Use Real Robots (PDF) (verificado el 2026-11-08)
- ArXivSignals: Training Reasoning Models in Simulation to Natively Use Real Robots (verificado el 2026-11-08)
- Sam on AI: AI Brief - November 16, 2026 (verificado el 2026-11-08)
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones