LiberAI 发布 Liber-0：没专门练过的活，机器人三百次里成一百多次
作者：陈一帆
LiberAI 11 月 4 日发布机器人操作模型 Liber-0，称在 GPT-6 提议的 60 个任务、600 次尝试中零样本成功率 36%，抓放 63.5%，多步任务 10.5%，预训练用 220 万小时人类经验。数字均自报，评测协议与论文尚未公开。
LiberAI 11 月 4 日在官方 X 账号发布了机器人操作模型 Liber-0，把它定位成「世界动作模型」（World Action Model），主打零样本操作能力 。所谓零样本，是指这 60 个任务没有专门为它们采过机器人示教数据，模型照样上手 。真正的变化就在这里：以前是每个活都要人拉着机器人练一遍，现在号称靠「看人干活」攒的底子直接干新活。
成绩单被拆成三层：抓放任务 63.5%，其他操作任务 34.0%，有难度的多步任务只有 10.5%，整体 36% 。也就是说，「拿起来、挪过去」已经有点样子，但把几个动作串成一整套流程，十次里只能完整做成一次。公告自己也承认，零样本能力「延伸到协调的动作序列」，但多步任务那 10.5% 才是眼下真实的边界 。
用日常场景理解这套东西：想象一个学徒在旁边看了很久师傅干活，没亲手做过这道菜，第一次上灶也能摸个大概。Liber-0 的做法是同时预测未来的画面和未来的动作——一边估「接下来会看到什么」，一边算「我的手该怎么动」，把人类经验里的因果转成机器人技能 。这也是 World Action Model 和纯模仿的区别：不只是复制动作轨迹，还得对世界的下一步有预期。
另一条数据通道是 LiberSense 手套：人戴着它干活，手部动作被录下来，再转成机器人的技能 。第三方账号 The Humanoid Hub 转述了一组比 36% 更有工程意义的结果：在 8 个任务上，用 25% 的机器人示教池加上全部手套数据，进度分 75.6，高于只用完整机器人示教池的 72.8，两组示教数量相同 。如果这个结论站得住，含义很直接——人手数据能顶掉一部分昂贵的真机示教。机器人行业公认的瓶颈是「数据墙」：真机采数据慢、贵、难扩。人戴手套干活便宜得多，这条路值得盯。
需要打问号的地方也不少。36% 和 220 万小时都是公司自报，目前没有第三方评测或复现 。「GPT-6 提议的任务」具体指什么也没说清：是只出题目，还是也参与判定成败，评测协议是否公开，公告里都没有 。技术博客的短链还没解析出内容，论文、预训练数据来源与许可、是否开源、试验跑在真机还是仿真、用的是哪款机器人本体，全部未知 。另外 600 次尝试摊到 60 个任务，平均每任务约 10 次，样本量偏小，单次波动就能让百分比跳几个点。
所以稳妥的读法是：这是一条「用人类经验喂机器人」的技术路线，拿出了一份分层还算透明、但完全自报的初步成绩 。方向有意思，手套补位真机示教的那组对比若被复现，分量会更重；至于 36% 本身，还远不足以说明零样本操作已经能用起来。等博客和论文放出来，第一件事该核对评测协议和任务清单，第二件事该看失败案例长什么样。
转载说明
本文根据以下公开资料整理，原文及配图出处见下方。
评论 0
还没有评论，来抢沙发。