モデル
MIT関係者らのプレプリント、シミュレーションのみで訓練したQwen3.8-27B-PEARが未見の実機双腕ロボットで30回中18回成功、ベースモデルは0回と報告
プレプリントによると、シミュレーションのみで訓練した27Bモデルが実機ロボットで30回中18回成功し、ベースモデルは0回。試験は2種類の作業。
2026年11月13日付のプレプリントは、MIT、UCバークレー、UCSD、Nvidia、Inco AIの著者らが、シミュレーションのみで訓練した270億パラメータのオープンウェイト推論モデルが実機ロボットを操作できるようになったと報告しています。訓練システムはPEAR(Post-training Engine for Agentic Robotics)、できたモデルはQwen3.8-27B-PEARです。訓練に使われなかった双腕ロボットYAMで、最終モデルは30回中18回成功しました。これは小さな作業群での試行回数であり、30種類の異なるテストではありません。
要点
- PEARとは:人間のデモなしに、推論モデルへシミュレーション内で強化学習を適用する後訓練システム。モデルはAlibabaのオープンウェイトQwen3.8-27B。
- 訓練:LIBEROとRoboDojoのシミュレータ。LIBERO3スイートで148ステップ、LIBERO-Long追加後に77ステップ、RoboDojoで115ステップ。実機データは使っていない。
- 実機の結果:未見の双腕YAMで、最終モデルは30回中18回、LIBEROのみのチェックポイントは7回、ベースモデルは0回。
- 30回の内訳:物のピックアップ(20回中12回成功)とブロックの位置合わせ(10回中6回)。
30種類のテストではなく試行回数
この数字は、1台のロボットでの2つの作業群(ピックアップとブロック位置合わせ)への試行を数えたものです。これらの作業群の範囲で、シミュレーションから新しいロボットへ転移できたことを示します。30種類の異なる仕事ができることを示すものではなく、プロンプトによる2つの推論デモは採点されていません。
著者自身が挙げる限界
論文は構成要素の除去実験を報告せず、ベースモデルは1つ、シミュレータは2つ、作業群も小さいとしています。結果はプロンプトと、制御器が目標姿勢に到達できるかに左右されます。推論は遅く、高負荷の1回で約4.3秒です。プロンプトでロボットと座標の向きを説明する必要もあります。
確立されていない点
- 他のロボットや作業でも成り立つか:YAM1台と2つの作業群を超えては未検証。
- 手法のどの要素が最も効いているか:除去実験の報告なし。
- 査読:プレプリントである。
- 実環境での速度と信頼性:推論に1ステップ数秒かかる。
- 独立した再現:報告なし。
比較表
| 項目 | 2026年11月7日時点で示されている内容 | 出典 |
|---|---|---|
| 論文 | 2026年11月13日付プレプリント、arXiv 2611.18562 | arXiv |
| モデル | PEARで強化学習により後訓練したQwen3.8-27B | arXiv |
| 訓練データ | シミュレーションのみ、デモも実機データもなし | ArXivSignals |
| 実機 | 訓練で未見の双腕YAM、30回の試行 | ArXivSignals |
| 結果 | 最終18/30、LIBEROのみ7/30、ベース0/30 | Sam on AI |
よくある質問
PEARはモデルですか、手法ですか?
PEARは訓練システムです。それが生むモデルがQwen3.8-27B-PEARです。
30種類のテストのうち18種類に合格したのですか?
いいえ。ピックアップとブロック位置合わせの2作業群で、30回の試行中18回成功しました。
実機のデータは使われましたか?
論文は使っていないとしています。訓練はデモなしのシミュレーションのみです。
方法と限界
2026年11月16日に確認。arXivの論文と2件の要約を検索の抜粋で確認し、論文への直接取得はレート制限で失敗しました。依頼文は「30テスト中18」としていましたが、論文は2つの作業群での試行回数を数えています。所属はarXiv PDFの抜粋に基づき、要約ページの1つは研究室タグしか示していません。
出典
- arXiv:Training Reasoning Models in Simulation to Natively Use Real Robots (HTML)(確認日:2026-11-08)
- arXiv:Training Reasoning Models in Simulation to Natively Use Real Robots (PDF)(確認日:2026-11-08)
- ArXivSignals:Training Reasoning Models in Simulation to Natively Use Real Robots(確認日:2026-11-08)
- Sam on AI:AI Brief - November 16, 2026(確認日:2026-11-08)