Modèles

Un preprint d’auteurs liés au MIT dit que Qwen3.8-27B-PEAR, entraîné uniquement en simulation, a réussi 18 essais sur 30 sur un vrai robot à deux bras jamais vu à l’entraînement, contre aucun pour le modèle de base

Un preprint dit qu’un modèle 27B entraîné en simulation a réussi 18 essais sur 30 sur un vrai robot ; le modèle de base, aucun. Deux types de tâches.

Par ·

Un preprint daté du 13 novembre 2026, aux auteurs du MIT, de UC Berkeley, de l’UCSD, de Nvidia et d’Inco AI, rapporte qu’un modèle de raisonnement à poids ouverts de 27 milliards de paramètres a appris à piloter de vrais robots après un entraînement uniquement en simulation. Le système d’entraînement s’appelle PEAR (Post-training Engine for Agentic Robotics) et le modèle obtenu Qwen3.8-27B-PEAR. Sur un robot à deux bras YAM jamais vu à l’entraînement, le modèle final a réussi 18 essais sur 30. Ce sont des essais sur un petit ensemble de tâches, pas 30 tests différents.

L'essentiel

Des essais, pas 30 tests différents

Le chiffre compte des tentatives sur deux familles de tâches, la saisie et l’alignement de blocs, sur un seul robot. Il montre un transfert de la simulation vers un nouveau robot dans ces familles. Il ne montre pas que le modèle sait faire 30 tâches différentes, et les deux démonstrations de raisonnement par prompt ne sont pas notées.

Les limites signalées par les auteurs

L’article ne rapporte aucune ablation de composants, un seul modèle de base, deux simulateurs et un petit ensemble de tâches. Les résultats dépendent du prompt et de la capacité du contrôleur à atteindre les poses cibles. Le raisonnement est lent, environ 4,3 secondes par tour à effort élevé. Le prompt doit aussi décrire le robot et ses directions de coordonnées.

Ce qui n'est pas établi

Tableau récapitulatif

Tableau récapitulatif
PointCe qui est affirmé au 7 novembre 2026Source
ArticlePreprint du 13 novembre 2026, arXiv 2611.18562arXiv
ModèleQwen3.8-27B post-entraîné avec PEAR par apprentissage par renforcementarXiv
Données d’entraînementSimulation seule, sans démonstrations ni données de robot réelArXivSignals
Robot réelYAM à deux bras, inconnu à l’entraînement ; 30 essaisArXivSignals
RésultatsFinal 18/30, LIBERO seul 7/30, base 0/30Sam on AI

FAQ

PEAR est-il un modèle ou une méthode ?

PEAR est le système d’entraînement. Le modèle qu’il produit s’appelle Qwen3.8-27B-PEAR.

A-t-il réussi 18 tests différents sur 30 ?

Non. Il a réussi 18 essais sur 30, répartis sur deux familles de tâches : saisie et alignement de blocs.

Des données de robot réel ont-elles servi ?

L’article dit que non. L’entraînement s’est fait en simulation seule, sans démonstrations.

Méthode et limites

Vérifié le 16 novembre 2026. Nous avons lu l’article arXiv et deux résumés via des extraits de recherche ; une lecture directe de l’article a été limitée par le débit. La demande disait « 18 tests sur 30 » ; l’article compte des essais sur deux familles de tâches. Les affiliations viennent de l’extrait du PDF arXiv ; une page de résumé ne donne que des étiquettes de laboratoires.

Sources

Une erreur dans cet article ? Signalez-la · Notre politique de corrections

Logo OrigoTech

Nouveau : l’application iPhone et iPad

OrigoTech est maintenant une application iPhone et iPad

Lisez les articles en natif, avec des repères « Nouveau » sur les non-lus, la recherche locale et la lecture hors ligne de ce que vous avez déjà chargé. Gratuite, sans compte, iOS 17 ou plus ; des publicités s’affichent entre les articles.

Icône de Rekha : une maison tracée d'un seul trait

Du même auteur Autopromotion

Un chemin eulérien, au doigt

Rekha, le jeu iPhone de l'auteur d'OrigoTech : relier tous les points d'un seul trait sans parcourir deux fois la même liaison, sur 500 dessins tous solubles.

La lettre OrigoTech

Un résumé sourcé de l'actualité des outils IA, chaque semaine.

À lire aussi

Modèles

Gemini 4 Hydrogen : prix, benchmarks et nouvel Orchestrator d'Antigravity ; Claude Code ajoute le Code Mode, Codex CLI 0.168.0

Google a lancé Gemini 4 Hydrogen le 12 novembre, un modèle rapide pour le code du quotidien et les agents à 1,50 $/7,50 $ par million de jetons, avec une offre gratuite dans l'API et un nouvel Orchestrator dans Antigravity qui l'associe à Carbon ou Argon. Aussi : le Code Mode de Claude Code 2.1.323, Codex CLI 0.168.0, l'AWS Emulator écrit par des agents et les 40 à 45 milliards de dollars d'investissements prévus par Nebius en 2027.

· 6 min de lecture