LiberAI 发布 Liber-0 机器人模型，基于220万小时人类经验训练

北京初创公司LiberAI推出了Liber-0，这是一款世界动作模型，据The Robot Report报道，该模型预先在超过220万小时的人类经验上进行训练，旨在实现无需特定任务机器人示范的机器人操作。该公司于11月4日宣布了该模型。

LiberAI表示，Liber-0将人类视频与手套记录的手部动作相结合，并采用具身条件学习，即告知模型执行动作的身体信息，从而将人类的操作技能迁移到机器人身上。

零样本测试结果

LiberAI在GPT-6提出的60项任务套件上评估了该模型：20项抓取放置任务、20项其他操作任务，以及20项具有挑战性的长时程任务。示例包括将钢笔放入铅笔盒，以及将抽屉推关。

该公司报告称，抓取放置任务的成功率为63.5%，其他操作任务为34.0%，最难任务为10.5%，600次试验的整体成功率为36.0%。这里的零样本是指，所测试的检查点并未在专门为这些任务收集的机器人示范数据上训练，不过预训练仍包含机器人数据。

模型如何将人类视频与机器人动作联系起来

LiberAI表示，人类视频无法直接转化为机器人指令。在其说明中，摄像机位置各不相同，从影像中估计的手部姿态并不精确，而且人体的运动方式与机器人不同。

为解决这一问题，该公司使用一款名为LiberSense Glove的数据采集手套，直接记录手部动作。它还使用一个机器人平台，其摄像机视角以及手部、手腕和腰部动作更接近人类，并使用统一具身表示，提供身体形态和关节运动的信息。Liber-0同时预测未来的视频帧和动作，使其能够从没有动作标签的普通视频中学习。

“人类视频展示了人们在做什么，但并未精确显示他们的手如何运动，或这种运动如何适配不同的身体，”

刘松明，LiberAI创始人兼首席执行官

减少对机器人示范的需求

在另一项包含八项任务的独立实验中，LiberAI表示，使用机器人示范数据池25%加上全部手套数据池训练的策略，进展得分达到75.6，而使用完整机器人数据池训练的策略得分为72.8。这意味着在机器人示范数据减少75%的情况下性能相当，不过混合策略仍使用了全部手套数据。

在另一项受控测试中，仅使用涵盖抓取放置任务的机器人示范训练的策略，在非抓取放置任务上得分为2.2。加入这些动作的手套记录后，得分提升至47.5。

局限性

LiberAI指出，手套能够捕捉手部姿态和轨迹，但无法测量触觉或力。这些信号对于插入、紧固以及处理软性材料等任务非常重要。该公司将触觉与力感知，以及在更广泛家庭环境中的数据采集，列为未来的研究方向。