LiberAI发布用于机器人控制的世界动作模型Liber-0
LiberAI推出世界动作模型Liber-0。该模型使用超过220万小时人类经验数据进行预训练,数据包括人类视频、LiberSense Glove手部动作数据和机器人数据。LiberAI称,模型可将人类操作技能迁移至机器人本体。在该公司进行的真机测试中,Liber-0在60项由GPT-6生成的任务上完成600次零样本测试,期间未针对具体任务采集机器人示范数据,整体成功率为36.0%。GPT-6 Astra在相同任务和机器人上的整体成功率为5%,每项任务测试3次。Liber-0完成的报告任务包括制作奶茶、整理物品和操作抽屉。
LiberAI表示,Liber-0利用人类视频和数据手套记录的手部动作,有望减少对成本高昂的专项机器人示范数据的依赖,并支持技能在不同机器人本体间迁移。
11 月 4 日消息,具身智能初创企业 LiberAI 正式推出世界动作模型Liber‑0。该模型依托超 220 万小时人类经验数据完成预训练,可把人类操作经验迁移到机器人本体;真机测试结果显示,其零样本综合任务成功率显著高于 GPT‑6 Astra,同时能够大幅降低对机器人真机示范数据的依赖。
LiberAI 创始人刘松铭为清华大学计算机系 00 后博士,师从朱军教授,曾获清华特等奖学金,研究方向聚焦人工智能、具身智能与世界模型。Liber‑0 融合大规模人类视频与自研 LiberSense Glove 数据手套采集的人手动作信息,目标解决传统机器人高度依赖真机示范、跨任务、跨本体泛化能力弱的行业痛点。
在真机验证环节,LiberAI 设计了难度逐级提升的 60 项测试任务,全部由 GPT‑6 随机生成,分为抓取放置 (PnP)、短程非抓取放置、复杂多步骤任务各 20 项,每项任务重复 10 轮,合计 600 次真机零样本测试,全程没有针对任务做专门机器人示范数据采集。