外观
新闻Robotics & Automation News今天
LiberAI发布Liber-0世界动作模型，预训练数据超220万小时
本文由 AI 根据公开内容整理，可能有误，请以原文为准：From human experience to robot action: LiberAI launches Liber-0 world-action model（Robotics & Automation News）
核心内容
Physical AI初创公司LiberAI正式发布世界动作模型Liber-0，旨在将人类物理交互经验转化为通用机器人操作能力。该模型预训练数据规模超220万小时，涵盖大规模人类活动视频、仪器手套采集的手部运动数据及机器人本体演示。LiberAI成立于2025年12月，其核心目标是突破传统依赖机器人遥操数据的瓶颈，通过更高效的Scaling路径推动通用人形机器人进入家庭场景。
针对视频转动作的视觉视角差、遮挡导致的动作监督缺失及人机形态差异三大挑战，Liber-0构建了多模态对齐架构。系统利用轻量化数据手套配合第一人称及腕部相机，在无需机器人本体参与的情况下采集高精度手部姿态与轨迹，填补了纯视频数据缺乏力控与精细动作信息的空白。同时，模型引入具身条件学习机制，结合机器人实机演示数据，将抽象的人类观察映射为LEO等特定硬件可执行的物理策略。
关键看点
- 海量预训练数据：Liber-0基于超220万小时人类经验数据训练，融合互联网视频、手套动捕与机器人演示三类数据源
- 动作监督补全：采用轻量化数据手套配合三目相机采集手部6DoF轨迹，解决纯视觉方案因遮挡和深度估计误差导致的动作丢失
- 数据采集解耦：人类演示数据采集完全脱离机器人硬件依赖，仅凭穿戴设备即可获取高保真操作数据，显著提升数据规模化效率
- 具身对齐机制：通过Embodiment-conditioned Learning弥合人机形态差异，将人类动作空间映射至LEO机器人的可执行关节空间
工程与产业观察
Liber-0验证了“视频+手套”混合数据范式在具身智能预训练中的有效性，为解决Sim-to-Real和Human-to-Robot迁移难题提供了新思路。其将数据采集与机器人本体解耦的工程实践，大幅降低了高质量操作数据的边际成本，对构建通用操作基础模型具有重要的数据工程参考价值。
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。