LiberAIs Liber-0: 10.000 Stunden Handschuh-Aufnahmen schlagen 2 Millionen Stunden Webvideo

Das Pekinger Start-up LiberAI hat Liber-0 vorgestellt, ein Robotermodell, das es „World Action Model“ nennt und das mit mehr als 2,2 Millionen Stunden menschlicher Erfahrung vortrainiert ist. Bei 60 von GPT-6 vorgeschlagenen Aufgaben, für die das Modell keine Robotervorführungen gesehen hatte, gelangen 36,0 % von 600 Versuchen, wie das Unternehmen am 4. November mitteilte.

Die eigenen Zahlen von LiberAI schreiben den Erfolg aber nicht der Datenmenge zu. In den Skalierungstests kam ein Modell, das mit 2 Millionen Stunden Webvideo von Menschen vortrainiert wurde, beim Greifen und Ablegen auf 64,6 und bei anderer Manipulation auf 51,2 Punkte. Beides liegt unter dem Ergebnis von 10.000 Stunden, die mit dem Datenhandschuh LiberSense aufgenommen wurden. Der Handschuh ist 0,3 mm dick, wiegt 131 Gramm und misst die Fingerbewegung direkt, während eine Kopfkamera und zwei Handgelenkkameras die Aufgabe filmen. Bei einem 200-fachen Unterschied in der Dauer gewann der Handschuh. Damit ist das Aufnahme-Set für LiberAI so wichtig wie das Modell, und das Start-up konkurriert auch mit Firmen wie GenRobot, das gerade 100 Millionen US-Dollar eingesammelt hat, um Aufnahmen von Menschen bei der Arbeit zu verkaufen.

Handschuh-Aufnahmen ersetzten drei Viertel der Robotervorführungen

Mit Robotervorführungen auf 25 % des Pools gekürzt und dem kompletten Handschuh-Pool dazu erreichte eine Policy über acht Aufgaben einen Fortschrittswert von 75,6, mehr als die 72,8 mit dem vollen Roboter-Pool allein. Beide Pools enthielten gleich viele Vorführungen, die Datenmenge insgesamt stieg also. Gesunken ist die Roboterzeit, also der Teil der Teleoperation, der für jede Vorführung einen Roboter und einen Bediener braucht. Der Handschuh brachte auch Bewegungen bei, die in den Roboterdaten fehlten. Deckten die Robotervorführungen nur Greifen und Ablegen ab, kam andere Manipulation auf 2,2 Punkte; mit Handschuh-Aufnahmen dieser Bewegungen stieg der Wert auf 47,5, mit allen Handschuhdaten auf 54,6, nahe an den 56,3 einer Policy, die mit allen teleoperierten Vorführungen trainiert wurde.

Bei mehrstufigen Aufgaben bricht Zero-Shot ein

Das Zero-Shot-Ergebnis fällt deutlich auseinander: 63,5 % beim Greifen und Ablegen, 34,0 % bei kurzen Manipulationsaufgaben und 10,5 % bei anspruchsvollen mehrstufigen Aufgaben. Für lange Aufgaben lässt sich Liber-0 mit einem Reasoning-Agenten wie GPT-6 Astra koppeln, der Zwischenziele plant. Die Aufgaben stammen von GPT-6, nicht von LiberAI, und alle spielen auf einem Tisch. Auch die Hardware ist auf die Übertragung ausgelegt: LiberAIs Roboter LEO kombiniert geschickte Roboterhände mit beweglichen Handgelenken und einer verstellbaren Hüfte, damit er menschliche Bewegungen nachmachen kann. Mit denselben Handschuhdaten lag er im Schnitt 28,3 Punkte vor einer Plattform von Tianji mit Marvin-M6-Armen.

Gegründet wurde LiberAI im Dezember 2025 von Liu Songming, einem Informatikabsolventen der Tsinghua-Universität, der die RDT-Reihe von Robotik-Foundation-Models geleitet hat. Im Juni schloss das Start-up laut STAR Market Daily eine Pre-A-Runde über mehrere hundert Millionen Yuan unter Führung von Shunwei Capital ab, seine dritte Runde des Jahres.

Allein am Steuer des Roboters schaffte Astra 8,3 % beim Greifen und Ablegen, rechnete 87,3 Sekunden pro Entscheidung und brauchte im Schnitt 17,8 Minuten für eine Aufgabe, die gelang.