LiberAI presenta Liber-0, un modelo de robot entrenado con 2,2 millones de horas de experiencia humana

La startup con sede en Pekín LiberAI ha presentado Liber-0, un modelo de acción mundial entrenado previamente con más de 2,2 millones de horas de experiencia humana, orientado a la manipulación robótica sin demostraciones específicas para cada tarea, según The Robot Report. La empresa anunció el modelo el 4 de noviembre.

LiberAI afirma que Liber-0 combina vídeo humano con el movimiento de la mano registrado mediante un guante y un aprendizaje condicionado por la corporeidad, lo que significa que el modelo recibe información sobre el cuerpo que realiza una acción, para transferir las habilidades de manipulación humanas a los robots.

Resultados de las pruebas zero-shot

LiberAI evaluó el modelo con un conjunto de 60 tareas propuestas por GPT-6: 20 tareas de coger y colocar, 20 otras tareas de manipulación y 20 tareas complejas de horizonte largo. Entre los ejemplos figuraban colocar un bolígrafo en un estuche para lápices y cerrar un cajón empujándolo.

La empresa informó de tasas de éxito del 63,5 % en las tareas de coger y colocar, del 34,0 % en otras tareas de manipulación y del 10,5 % en las más difíciles, lo que supone un 36,0 % global en 600 pruebas. Aquí, zero-shot significa que el punto de control probado no se entrenó con demostraciones robóticas recogidas específicamente para esas tareas, aunque el preentrenamiento sí incluyó datos robóticos.

Cómo el modelo relaciona el vídeo humano con la acción robótica

LiberAI sostiene que el vídeo humano no puede convertirse directamente en órdenes para un robot. Según la empresa, las posiciones de la cámara varían, las posturas de las manos estimadas a partir de las imágenes son imprecisas y los cuerpos humanos se mueven de forma distinta a los robots.

Para resolverlo, la empresa utiliza un guante de recogida de datos llamado LiberSense Glove, que registra directamente los movimientos de la mano. También emplea una plataforma robótica cuyas vistas de cámara y movimientos de mano, muñeca y cintura se parecen más a los humanos, y una Representación Unificada de Corporeidad que aporta información sobre la forma del cuerpo y el movimiento de las articulaciones. Liber-0 predice conjuntamente los fotogramas de vídeo futuros y las acciones, lo que le permite aprender de vídeos corrientes sin etiquetas de acción.

«El vídeo humano muestra lo que hace la gente, pero no con exactitud cómo se mueven sus manos ni cómo encaja ese movimiento en un cuerpo distinto,»

Songming Liu, fundador y consejero delegado de LiberAI

Menor necesidad de demostraciones robóticas

En un experimento aparte con ocho tareas, LiberAI afirmó que una política entrenada con el 25 % del conjunto de demostraciones robóticas más todo el conjunto de datos del guante alcanzó una puntuación de progreso de 75,6, frente a 72,8 de una política entrenada con todo el conjunto robótico. Esto equivale a un rendimiento comparable con un 75 % menos de demostraciones robóticas, aunque la política mixta sí utilizó todos los datos del guante.

En otra prueba controlada, una política entrenada solo con demostraciones robóticas de coger y colocar obtuvo una puntuación de 2,2 en tareas que no eran de coger y colocar. Al añadir grabaciones del guante de esas acciones, la puntuación subió a 47,5.

Limitaciones

LiberAI señaló que el guante captura las posturas y trayectorias de las manos, pero no mide el tacto ni la fuerza. Estas señales son importantes en tareas como insertar piezas, fijar elementos y manipular materiales blandos. La empresa incluyó entre sus futuras líneas de investigación la detección táctil y de fuerza, y la recogida de datos en un abanico más amplio de hogares.