一個在研究中的「機器人後訓練」只使用模擬環境的模型,轉到未參與訓練的雙臂 YAM 實體機器人後,於 30 次測試中完成 18 次。這個結果由 PEAR 團隊透過 preprint 回報,顯示特定技能可以從模擬環境轉移至不同實體硬體,但目前仍不是經獨立重現的成熟機器人系統。
對臺灣加密市場讀者而言,這則消息的重要性不在於立即出現新的代幣價格或鏈上資金流,而在於 AI 從生成文字走向操作真實世界設備的一項技術進展。來源沒有提供商業化進度、收入或市場規模,因此不能直接延伸成投資結論。
事件時間線
| 時間 | 已回報事件 | 可用來理解的重點 |
|---|---|---|
| 2026 年 11 月 13 日 | 研究團隊提交 preprint | 文中描述模型、訓練方式與實體機器人測試結果。 |
| 2026 年 11 月 18 日 | 來源刊出研究報導 | 報導整理 0/30、7/30 與 18/30 三組實機測試結果,並標明尚未獨立重現。 |
| 後續待驗證 | 擴充更多任務、硬體與操作情境 | 目前證據集中於取物與方塊對齊兩類任務,尚不能代表通用機器人能力。 |
目前已確認的結果
研究對象是具有 270 億參數的開放權重推理模型 Qwen3.8-27B。研究團隊先在 LIBERO 模擬基準進行機器人訓練,再於 RoboDojo 中針對取物與方塊對齊進行後訓練,後一階段沒有使用示範資料,而是採取強化學習。
實體測試使用雙臂 YAM 機器人,這是研究比較模型未曾接受訓練的硬體。測試包含 10 個物件各取物兩次,以及 5 種方塊配置各對齊兩次,合計 30 次實機操作。
| 模型或 checkpoint | 本研究中的機器人訓練 | 實機成功次數 |
|---|---|---|
| 基礎模型 | 未進行本研究的機器人後訓練 | 0/30 |
| LIBERO-only checkpoint | 只在 LIBERO 模擬環境訓練 | 7/30 |
| 最終訓練模型 | 先訓練 LIBERO,再以 RoboDojo 的兩類任務進行後訓練 | 18/30 |
最終模型的 18 次成功包括 12 次取物與 6 次方塊對齊。這個拆分顯示兩種技能都出現了跨硬體轉移,但來源沒有提供各階段 checkpoint 的逐任務數據,因此無法比較每一項訓練對個別技能的貢獻。
模型如何從模擬走到實機
每個操作回合,模型會讀取相機影像與機器人狀態,先以文字推理,再指定夾爪姿勢需要如何改變。逆運動學把目標姿勢轉換成關節動作,最後由控制器交給實體機器人執行。
提示內容會提供座標框架、夾爪方向、相機資訊及任務完成條件。這代表操作能力不只取決於模型本身,也取決於現場資訊能否被清楚、穩定地描述;若提示或感知條件改變,成功表現是否維持,來源仍待進一步驗證。
推理速度是實際部署的關卡
三個模型都採用相同的高推理強度設定,每次測試最多 25 回合,任一回合超過 32,000 個推理 token 即判定失敗。最終模型成功完成的操作用了 7 至 24 回合,顯示部分任務能夠完成,但每一步先推理再移動也會拉長執行時間。
研究團隊另在 GB300 上搭配 NVFP4 低精度權重與 DFlash2 解碼加速器,達到每秒 747 tokens 的分離式解碼展示,據此估計一個高強度推理回合平均約需 4.3 秒。不過,實體評測採用 BF16 權重,原因是量化會降低準確度,因此速度展示與成功次數並非在相同條件下取得。
仍待回答的問題
- 能否轉移更多技能?目前實測只涵蓋取物與方塊對齊,尚不能推論烹飪、組裝或複雜移動等任務也會成功。
- 換硬體是否一定有效?本次提供了跨至雙臂 YAM 的正面案例,但不同機器人的結構、夾爪、攝影機配置與控制介面仍可能改變難度。
- 現場提示能撐多久?作者承認表現依賴座標框架、方向與任務完成條件等描述,長時間執行下的穩定性仍需測試。
- 結果能否被重現?目前數據由研究作者回報,尚待獨立團隊重現,也需要更廣泛的任務與硬體覆蓋。
對 AI 與加密市場的解讀
這項實驗比較接近具身 AI 的能力驗證:模型是否能從模擬練習中學會控制真實設備。相較於只比較文字基準成績,30 次實機操作提供了更接近應用層的觀察,但「兩類任務成功」與「可普遍部署的機器人」之間仍有明顯距離。
來源沒有提及區塊鏈、加密貨幣交易、託管、鏈上代理或代幣發行,因此不能把 18 次成功解讀為特定 AI 加密項目的基本面證據。較合理的看法,是把它視為機器人與實體 AI 技術進展的訊號,再用獨立重現、更多硬體及商業部署資料判斷其產業價值。
FAQ 常見問題
PEAR 是隻在電腦裡模擬,還是真的有操作實體機器人?
有。模型的機器人後訓練是在模擬環境完成,但最終評測是在雙臂 YAM 實體機器人上執行,來源列出取物與方塊對齊共 30 次實機嘗試。
「沒有使用實體機器人訓練資料」是否代表模型從未接觸真實世界?
不代表。這個說法限定於本研究的機器人後訓練階段;模型的基礎訓練不能被概括為純模擬。最終評測仍需將模型輸出的動作交給實體機器人執行。
18/30 能否直接視為通用機器人的可靠度?
不能。18/30 是特定模型、兩種任務、既定提示與單一雙臂 YAM 硬體下的作者回報結果。來源也列出提示依賴、推理耗時及尚未獨立重現等限制。
這項研究可以直接用來判斷加密 AI 幣的漲跌嗎?
不適合直接判斷。來源沒有提供任何代幣、交易量、收入、資金流或市場預期資料,技術成果與短期價格走勢之間也沒有被建立因果關係。
資料來源與利益揭露
主要來源:Researchers train AI in simulation and unlock real robot skills,來源日期為 2026 年 11 月 18 日,網址為 https://cryptoslate.com/researchers-train-ai-in-simulation-and-unlock-real-robot-skills/。
來源所述研究數據來自作者提交的 preprint,尚未經獨立重現;來源未包含研究經費或利益關係資訊,本文不作額外推定。市場與商業影響則仍需更多實驗及部署資料確認。
若你正在追蹤 AI 從模型能力走向實體應用的進展,可以先收藏這篇整理,待 preprint 公開細節、獨立重現或更多機器人測試出現後,再比較數據是否真正跨越硬體與任務限制。

