Liber-0は人間経験220万時間でロボット操作をゼロショット化する

専用実演なしの60タスクで残った36%

Zero-shot capability extends beyond individual actions to coordinated sequences.

2026年11月4日、LiberAI（@liberai_robot）はワールドアクションモデルLiber-0を公開した。器用な多段手順を含むゼロショット操作が対象で、投稿は約72.5万回表示された。技術解説は公式ブログに置かれている。

評価はGPT-6が提案した60タスク、600試行。それらのタスク用に集めたロボット実演は使わず、全体成功率は36%。単発動作を超え、協調した一連の手順までゼロショットが及ぶと説明している。

参照先[1][2]

映像の経験が命令にならない三つのずれ

ブログは、推論が進んでも物理世界の勘は別問題だと置く。従来の操作学習はロボットとタスクごとの実演に依存し、コストが高く規模を伸ばしにくい。人間の経験はネット規模の映像として既に大量にあるが、文章のようにそのまま次の行動へは落ちない。

Liber-0は220万時間超の人間経験を事前学習し、未来の観測と行動を同時に予測して、経験をロボットの技能へ変える。ブログが挙げるずれは次の三つだ。

• 身体のずれ：形態・関節の動き・可動範囲が人とロボットで異なり、同じ目的でも動きが変わる。
• 行動の教師信号のずれ：映像から推定した手の姿勢や軌跡は、隠れ・奥行き誤差・推定ミスで不完全になりやすい。
• 見え方のずれ：カメラ位置、視点、手や体の見た目が人とロボットで違い、運用時に分布がずれる。

参照先[2]

グローブとLEOで経験を動作へ揃える

データ側の核はLiberSense GloveとLEOロボットだ。グローブは行動に紐づくデータを規模よく集め、LEOは人の実演にロボットの観測と動作を揃える役割を持つ。ブログは人間からロボットへの転移を、この二つを軸に説明している。

続く章ではデータ源ごとのスケーリング、段階的事前学習、ロボットデータを減らした学習、グローブデータからの新技能、形態のスケーリング、人に近い身体が技能移転に与える条件を扱う。結論では、大規模な身体経験を汎用的な行動能力へ変える問いを今後の方向として残している。

参照先[1][2]