原帖引用 · AI 翻译
他们的技术博客：
这看起来真是一次极其出色的机器人训练技术发布。
工人做日常工作时戴上一只重 131 克的轻薄传感手套，记录精确的手部动作，因此收集数据无需机器人。
中国机器人初创公司 LiberAI（@liberai_robot）发布了控制机器人手臂和手部的 AI 模型 Liber-0。
在没有针对受测任务的机器人演示数据的情况下，Liber-0 在 60 项新任务的 600 次尝试中完成了 36.0%。在 LiberAI 的测试中，1 万小时的手套数据也胜过 200 万小时的互联网视频数据。
机器人通常要在人们反复引导它完成一项任务后才能学会，而 Liber-0 用超过 220 万小时的人类经验取代了其中很大一部分引导过程。
单靠视频只能看到手做了什么，无法获得机器人必须模仿的实测动作数据。
该公司的 LiberSense Glove 通过在人们工作时记录手部姿态和运动轨迹，提供这些动作数据。
实测动作数据胜过数据量：在条件匹配的实验中，1 万小时的手套数据优于 200 万小时的网络视频数据。
一项策略使用 25% 的机器人演示数据加上手套数据训练后，部分完成度得分为 75.6，高于使用全部机器人演示数据所得的 72.8 分。
原文
This looks like a truly brilliant launch for robot training. Workers wear a thin 131 g sensor glove that records exact hand movements while they do ordinary tasks, so no robot is needed to collect the data. Chinese robotics startup LiberAI (@liberai_robot) released Liber-0, the AI model that controls a robot’s arms and hands. With no robot demonstrations of the tested tasks, Liber-0 completed 36.0% of 600 attempts at 60 new tasks. In LiberAI’s tests, 10K glove hours also beat 2M hours of internet video. Robots normally learn a task after people steer them through it repeatedly, and Liber-0 replaces much of that with 2.2M+ hours of human experience. Video alone shows what hands do, not the measured motion a robot must copy. The company’s LiberSense Glove supplies that motion by logging hand poses and trajectories while people work. Measured motion beat volume: 10K glove hours outperformed 2M hours of web video in matched runs. Trained on 25% of the robot demonstrations plus glove data, a policy scored 75.6 for partial completion, beating 72.8 from all of them.
推出 Liber-0：我们的世界动作模型，可让机器人零样本完成操作任务，包括需要灵巧动作和多个步骤的任务。
在 GPT-6 提出的 60 项任务和 600 次试验中，Liber-0 在没有专门针对这些任务收集机器人演示数据的情况下，总体成功率达到 36%：
• 拾取和放置：63.5%
• 其他操作任务：34.0%
• 具有挑战性的多步骤任务：10.5%
零样本能力不仅适用于单个动作，也延伸到协调配合的动作序列。
Liber-0 用超过 220 万小时的人类经验进行预训练，通过联合预测未来的观测结果和动作，将人类经验转化为机器人技能。
技术博客：https://t.co/X5NMTjsr8r
原文
Introducing Liber-0, our World Action Model for zero-shot robot manipulation—including dexterous, multi-step tasks. Across 60 tasks proposed by GPT-6 and 600 trials, Liber-0 achieved 36% overall success without robot demonstrations collected specifically for those tasks: • Pick-and-place: 63.5% • Other manipulation tasks: 34.0% • Challenging multi-step tasks: 10.5% Zero-shot capability extends beyond individual actions to coordinated sequences. Pretrained on 2.2M+ hours of human experience, Liber-0 jointly predicts future observations and actions to turn human experience into robot skills. Technical blog: https://t.co/X5NMTjsr8r