LiberAI发布世界动作模型Liber-0：基于220万小时人类经验，零样本任务成功率超GPT-6 Astra七倍

SmartHey11月4日消息，具身智能初创企业 LiberAI 正式推出全球首个面向机器人动作生成的世界动作模型 Liber‑0。该模型依托超 220 万小时高质量人类操作经验数据完成预训练，首次实现将人类手部精细动作与行为逻辑直接迁移到多样化机器人本体；真机实测表明，其零样本综合任务成功率高达36.0%，显著优于 GPT‑6 Astra 的5%，同时大幅降低对昂贵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，长期深耕人工智能、具身智能与世界模型研究。Liber‑0 创新融合大规模人类第一视角视频与自研 LiberSense Glove 数据手套采集的手部高精度动作序列，旨在突破行业长期痛点——传统机器人高度依赖定制化真机示范、跨任务泛化弱、跨本体迁移难。

在严格真机验证中，团队设计了60项难度递进的测试任务（全部由GPT‑6随机生成），涵盖抓取放置（PnP）、短程非抓取放置、复杂多步骤任务三类，各20项；每项重复执行10轮，累计完成600次零样本真机测试——全程未针对任一任务采集额外机器人示范数据。

实测结果显示：Liber‑0 整体任务成功率达36.0%；其中抓取放置任务达63.5%，短程非抓取放置为34.0%，复杂多步骤任务为10.5%，已可稳定完成制奶茶、抽屉开合、物品归位等真实生活场景操作。

作为对照，GPT‑6 Astra 在相同硬件平台与60项任务下，每项仅测试3次，整体成功率仅为5%；三类任务成功率分别为8.3%、5.0%和1.7%。且Astra单次决策平均耗时87.3秒，成功任务平均完成时长高达17.8分钟。结果印证：通用大模型直接驱动实体机器人，在动作精度、时序连贯性与实时推理能力上仍存在根本性瓶颈。

当前机器人学习面临双重困境：一方面，真机示范数据采集成本高、周期长、难以规模化；另一方面，互联网海量人类视频虽内容丰富，却受限于人体与机器人结构差异大、缺乏手部细节、无动作-物理交互标注，导致技能迁移效果差。

为此，Liber‑0 采用混合 Transformer 架构，统一建模语言指令、视觉观测与动作序列，支持同步预测未来帧与生成连续动作；通过构建统一本体表征空间，对齐人类与机器人运动学特征，实现跨本体技能迁移；并引入图像分割、视频时序理解等多任务联合训练，增强模型对空间关系、任务阶段与因果逻辑的理解能力。

模型训练数据集规模超220万小时，覆盖五大来源：LiberSense Glove 高精度手部动作数据、跨本体机器人遥操作数据、公开第一视角视频、外部定制采集视频，以及经清洗筛选的互联网人类行为视频。预训练分三阶段推进：首阶段以海量视频学习视觉动态预测；第二阶段融合视频、手套与机器人数据，建立视觉变化与真实动作的强关联；第三阶段提升手套与遥操作数据权重，重点强化灵巧操作与接触控制能力。

为支撑数据采集与实体验证，团队同步自研两大核心硬件：轻量化 LiberSense Glove 数据手套与人形机器人 LEO。LiberSense Glove 厚度仅0.3毫米、重131克，无需绑定机器人即可同步记录手部六维运动与第一视角画面，极大降低高质量操作数据采集门槛；LEO 机器人配备灵巧手、可弯曲腰部及三自由度手腕，可精准复现人类弯腰、旋转手腕等复杂姿态，为跨本体验证提供可靠平台。

多组对照实验进一步凸显人类手套数据的关键价值：在同等后训练条件下，仅1万小时手套预训练数据的效果，即超越200万小时纯互联网视频；当真机示范数据削减75%（仅保留25%），叠加手套数据后，模型任务得分达75.6，反超使用100%真机数据训练的基线模型（72.8分）。

更值得注意的是，手套数据能赋予机器人“基线真机数据中不存在”的新能力：当示范数据仅含抓取放置类任务时，加入手套采集的非抓取动作后，模型在非抓取任务上的得分从2.2跃升至47.5；此外，实验还发现示范者人数越多，跨本体迁移性能越强——从1人扩展至100人，混合训练模式下的任务得分由60.6提升至69.5。

团队亦坦诚指出当前技术边界：如何高保真捕捉人类操作中的接触力、压力分布、微滑动等物理交互信息，仍是亟待攻克的核心挑战。未来，随着传感精度提升、数据规模扩大与场景多样性增强，人类操作经验有望成为通用机器人掌握复杂、鲁棒、具身化技能的关键基础设施。