PEAR:具身智能体的强化学习后训练引擎
NEWPEAR 是面向具身智能体的后训练引擎,通过仿真中的强化学习训练推理模型直接操作真实机器人,支持 LIBERO、RoboDojo 等基准的训练与评测。
PEAR 是一个具身智能体的后训练引擎,用仿真中的强化学习训练推理模型,使其能直接操作真实机器人。其训练基于 veRL 的全异步强化学习,支持 GRPO、动态采样与 Score Centering,配合 FSDP 和序列并行处理长上下文,并通过梯度检查点、激活卸载与跨轮前缀缓存降低显存占用;仿真器与训练同处一个 Ray 集群,MuJoCo 跑在 CPU、Isaac Sim 跑在 GPU。评测覆盖 LIBERO、LIBERO-Plus、LIBERO-Pro、RoboDojo、RoboLab-120 等机器人基准,以及经 EvalScope 接入的九项推理、编码与视觉基准。部署部分提供 vLLM 模型服务与驱动 YAM、SO-101 机器人的智能体循环。README 记录的模型为 Qwen3.8-27B,硬件覆盖 H100、H200、GB300 与 RTX 5090。