LiberAI 发布机器人世界动作模型 Liber-0：用 220 万小时人类经验预训练，60 项零样本操作任务总成功率 36%

核心背景与行业痛点

机器人操作长期依赖为特定机器人、特定任务专门采集的遥操作示范，成本高、难扩展。人类视频虽然海量，但存在三道鸿沟：人和机器人身体结构不同；从视频估算的手部动作噪声大；人和机器人的摄像机视角也不一样。LiberAI 11 月 4 日发布的 Liber-0 就是想把大规模人类经验直接变成可执行的机器人技能。

架构亮点与底层机制

Liber-0 是世界动作模型，用 Mixture-of-Transformers 架构，让语言、视觉、动作三个专家共同预测未来画面和动作，并用“统一身体表示”把人和机器人的形态、运动学编码到同一空间。数据端用 0.3 毫米厚、131 克的 LiberSense 手套记录精确手指动作，配合第一人称和腕部相机；硬件端自研 LEO 机器人，手腕三自由度、可弯腰，视角与人类采集对齐。预训练分三段：先学通用视觉预测，再联合学画面和动作，最后加大手套和遥操作数据权重。

权威 Benchmark 与实测跑分对比

以下均为官方博客自报。GPT-6 提出的 60 项零样本任务共 600 次试验，总成功率 36.0%，多步任务 10.5%；GPT-6 Astra 单独做策略在同类任务上仅 8.3%/5.0%/1.7%。内部进度分基准上，完整配方经机器人后训练后抓取放置 83.6、非抓取 73.8。演示者从 1 人增加到 100 人（数据量不变），进度分从 60.6 升到 69.5。

开发者实战落地与开箱指南

目前只有技术博客和演示视频，官方未公布开源权重、API 或价格，开发者暂时无法直接调用。博客提到可对接 GPT-6 Astra 这类推理 Agent 规划多步任务的中间目标，并提供一个在线仿真应用，可上传自定义物体观察操作效果。做具身智能的团队更值得关注的是它的数据思路：用低成本手套规模化采集人类示范，减少对机器人遥操作数据的依赖。