Original post · AI translation
这看起来是机器人训练领域一次真正出色的发布。
工作人员戴上一只仅重 131 克的轻薄传感手套，在完成日常任务时记录精确的手部动作，因此采集数据不需要机器人。
中国机器人初创公司 LiberAI（@liberai_robot）发布了 Liber-0，这是一款控制机器人手臂和双手的 AI 模型。
在没有针对受测任务进行机器人演示的情况下，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，10K 小时的手套数据也胜过 2M 小时的互联网视频数据。
机器人通常要在人反复引导其完成某项任务后才能学会，而 Liber-0 用超过 2.2M 小时的人类经验取代了这一过程中的大部分环节。
单靠视频只能看到手在做什么，看不到机器人必须复制的经测量的动作。
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。
经测量的动作数据胜过数据量：在条件匹配的测试中，10K 小时的手套数据优于 2M 小时的网络视频数据。
一种用 25% 的机器人演示数据加上手套数据训练的策略，在部分完成度指标上得到 75.6 分，高于使用全部机器人演示数据得到的 72.8 分。
隆重推出 Liber-0：我们的世界动作模型，可让机器人在零样本条件下完成操作任务，包括灵巧操作和多步骤任务。
在 GPT-6 提出的 60 项任务和 600 次试验中，Liber-0 在未收集专门针对这些任务的机器人演示数据的情况下，总体成功率达到 36%：
• 抓取并放置：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，也延伸到协调连贯的动作序列。
Liber-0 使用超过 2.2M 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
Original
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