Liber-0以220万小时人类经验实现机器人操作的零样本泛化

北京LiberAI公开了机器人世界动作模型Liber-0，该模型以超过220万小时的人类经验完成预训练。在GPT-6提出的60项任务、600次试验中，未使用针对这些任务专门采集的机器人演示，整体成功率达到36%。其设计重点是同时预测未来的观测与动作。

核心要点速览

2026年11月4日，LiberAI（@liberai_robot）公开了世界动作模型Liber-0。其目标是包含灵巧多步流程的零样本操作，相关帖子约获得72.5万次浏览。技术解读发布在官方博客上。

评估采用GPT-6提出的60项任务、共600次试验。这些任务并未使用专门采集的机器人演示，整体成功率为36%。官方说明，零样本能力已超出单次动作，延伸到需要协调配合的一整套流程。

博客指出，即便推理能力持续进步，对物理世界的直觉仍是另一回事。传统操作学习依赖按机器人和任务分别采集的演示，成本高，也难以扩大规模。人类经验早已以互联网规模的影像大量存在，却不能像文本那样直接落到下一步动作上。

Liber-0以超过220万小时的人类经验进行预训练，同时预测未来的观测与动作，从而把经验转化为机器人技能。博客列出的错位有以下三处。

出处[2]

数据侧的核心是LiberSense Glove与LEO机器人。手套用于大规模采集与动作绑定的数据，LEO则负责把人的演示与机器人的观测、动作对齐。博客以这两者为轴，说明从人到机器人的迁移。

后续章节讨论各数据源的规模扩展、分阶段预训练、减少机器人数据的学习、从手套数据获得新技能、形态的规模扩展，以及接近人类的身体对技能迁移的条件。结论把“如何把大规模身体经验转化为通用行动能力”留作今后的方向。

Liber-0：无专用演示，成功率36%：原站入口在新标签页查看原始页面的完整内容

可在 X 上直接查看创作者发布的原帖与互动详情。

评估任务是否使用了机器人演示？

LiberAI表示，在未使用为这60项任务专门采集的机器人演示的情况下，整体成功率为36%。其中抓取与放置为63.5%，其他操作为34.0%，困难的多步任务为10.5%。