Modelos

Um preprint com autores do MIT diz que o Qwen3.8-27B-PEAR, treinado só em simulação, completou 18 de 30 tentativas em um robô real de dois braços que nunca viu, enquanto o modelo base não completou nenhuma

Um preprint diz que um modelo 27B treinado só em simulação completou 18 de 30 tentativas em um robô real; o modelo base, nenhuma. Dois tipos de tarefas.

Por ·

Um preprint datado de 13 de novembro de 2026, com autores do MIT, UC Berkeley, UCSD, Nvidia e Inco AI, relata que um modelo de raciocínio de pesos abertos com 27 bilhões de parâmetros aprendeu a controlar robôs reais após treinar apenas em simulação. O sistema de treinamento se chama PEAR (Post-training Engine for Agentic Robotics) e o modelo resultante, Qwen3.8-27B-PEAR. Em um robô de dois braços YAM que nenhum modelo viu no treino, o modelo final teve sucesso em 18 de 30 tentativas. São tentativas em um pequeno conjunto de tarefas, não 30 testes diferentes.

O essencial

Tentativas, não 30 testes diferentes

O número conta tentativas em duas famílias de tarefas, pegar e alinhar blocos, em um só robô. Mostra transferência da simulação para um robô novo dentro dessas famílias. Não mostra que o modelo faz 30 trabalhos diferentes, e as duas demonstrações de raciocínio por prompt não são pontuadas.

Os limites apontados pelos autores

O artigo não relata ablações de componentes, usa um modelo base, dois simuladores e um pequeno conjunto de tarefas. Os resultados dependem do prompt e de o controlador alcançar as poses-alvo. O raciocínio é lento, cerca de 4,3 segundos por rodada de alto esforço. O prompt precisa descrever o robô e suas direções de coordenadas.

O que não está estabelecido

Tabela-resumo

Tabela-resumo
PontoO que está declarado em 7 de novembro de 2026Fonte
ArtigoPreprint de 13 de novembro de 2026, arXiv 2611.18562arXiv
ModeloQwen3.8-27B pós-treinado com PEAR por aprendizado por reforçoarXiv
Dados de treinoSó simulação, sem demonstrações nem dados de robô realArXivSignals
Robô realYAM de dois braços, não visto no treino; 30 tentativasArXivSignals
ResultadosFinal 18/30, só LIBERO 7/30, base 0/30Sam on AI

Perguntas frequentes

PEAR é um modelo ou um método?

PEAR é o sistema de treinamento. O modelo que ele produz se chama Qwen3.8-27B-PEAR.

Ele passou em 18 testes diferentes de 30?

Não. Teve sucesso em 18 de 30 tentativas, em duas famílias de tarefas: pegar e alinhar blocos.

Foram usados dados de robôs reais?

O artigo diz que não. O treino foi só em simulação, sem demonstrações.

Método e limites

Verificado em 16 de novembro de 2026. Lemos o artigo do arXiv e dois resumos por trechos de busca; uma leitura direta do artigo foi limitada por taxa de requisições. O pedido dizia «18 testes de 30»; o artigo conta tentativas em duas famílias de tarefas. As afiliações vêm do trecho do PDF do arXiv; uma página de resumo traz só rótulos de laboratórios.

Fontes

Encontrou um erro neste artigo? Avise-nos · Nossa política de correções

Logotipo do OrigoTech

Novo: o app iPhone e iPad

O OrigoTech agora é um app para iPhone e iPad

Leia os artigos de forma nativa, com marcadores «Novo» nos não lidos, busca local e leitura offline do que você já carregou. Grátis, sem conta, iOS 17 ou superior; há anúncios entre os artigos.

Ícone do Rekha: uma casa desenhada em um único traço

Do mesmo autor Autopromoção

Um caminho euleriano, desenhado com o dedo

Rekha, o jogo para iPhone do autor da OrigoTech: conecte todos os pontos em um único traço, sem percorrer duas vezes o mesma ligação, ao longo de 500 desenhos que têm solução.

A newsletter da OrigoTech

Um resumo semanal, com fontes, das novidades das ferramentas de IA.

Continue lendo

Modelos

Gemini 4 Hydrogen: preço, benchmarks e o novo Orchestrator do Antigravity; Claude Code ganha Code Mode, Codex CLI 0.168.0

O Google lançou o Gemini 4 Hydrogen em 12 de novembro, um modelo rápido para programação do dia a dia e agentes a US$ 1,50/US$ 7,50 por milhão de tokens, com nível gratuito na API e um novo Orchestrator no Antigravity que o combina com o Carbon ou o Argon. Também: Code Mode no Claude Code 2.1.323, Codex CLI 0.168.0, o AWS Emulator escrito por agentes e o plano de investimento de US$ 40 a 45 bilhões da Nebius para 2027.

· 6 min de leitura