Liber-0 de LiberAI: 10.000 horas grabadas con guante superan a 2 millones de horas de vídeo web

La startup pekinesa LiberAI ha presentado Liber-0, un modelo robótico que la empresa llama «modelo de acción del mundo», preentrenado con más de 2,2 millones de horas de experiencia humana. En 60 tareas propuestas por GPT-6, de las que el modelo no había visto ninguna demostración robótica, acertó en el 36,0% de 600 intentos, según publicó la compañía el 4 de noviembre.

Las cifras de LiberAI atribuyen el mérito a otra cosa que el tamaño de ese conjunto de datos. En sus pruebas de escalado, preentrenar con 2 millones de horas de vídeo web de personas dio 64,6 puntos en coger y colocar y 51,2 en otras manipulaciones, ambos por debajo de lo que lograron 10.000 horas grabadas con su guante de datos LiberSense. El guante tiene 0,3 mm de grosor, pesa 131 gramos y mide directamente el movimiento de los dedos, mientras una cámara en la cabeza y dos en las muñecas graban la tarea. Una diferencia de 200 veces en horas se decantó a favor del guante. Eso hace que el equipo de captura de LiberAI importe tanto como su modelo, y la enfrenta a empresas como GenRobot, que acaba de recaudar 100 millones de dólares para vender grabaciones de personas trabajando.

Las grabaciones con guante sustituyeron tres cuartas partes de las demostraciones robóticas

Con las demostraciones robóticas reducidas al 25% del conjunto y todo el conjunto del guante añadido, una política alcanzó 75,6 puntos de progreso en ocho tareas, por encima de los 72,8 del conjunto robótico completo. Ambos conjuntos tenían el mismo número de demostraciones, así que el total de datos aumentó; lo que bajó fue el tiempo de robot, la parte de la teleoperación que exige un robot y un operador por cada demostración. El guante también enseñó acciones que faltaban en los datos robóticos. Cuando las demostraciones robóticas solo cubrían coger y colocar, otras manipulaciones puntuaban 2,2; al añadir grabaciones con guante de esas acciones subieron a 47,5, y con todos los datos del guante a 54,6, cerca de los 56,3 de una política entrenada con todas las demostraciones teleoperadas.

En las tareas de varios pasos el rendimiento sin entrenamiento previo se desploma

El resultado sin entrenamiento previo se divide con claridad: 63,5% en coger y colocar, 34,0% en manipulaciones cortas y 10,5% en tareas exigentes de varios pasos. Para las tareas largas, Liber-0 puede combinarse con un agente de razonamiento como GPT-6 Astra que planifique objetivos intermedios. Las tareas las propuso GPT-6, no LiberAI, y todas eran de mesa. El hardware también está pensado para la transferencia: el robot LEO de LiberAI combina manos robóticas diestras con muñecas articuladas y una cintura ajustable para imitar el movimiento humano, y con los mismos datos de guante promedió 28,3 puntos más que una plataforma de Tianji con brazos Marvin M6.

LiberAI fue fundada en diciembre de 2025 por Liu Songming, graduado en informática por Tsinghua que dirigió la serie RDT de modelos fundacionales para robots, y en junio cerró una ronda Pre-A de varios cientos de millones de yuanes liderada por Shunwei Capital, la tercera del año, según el STAR Market Daily.

Cuando Astra manejó el robot por sí solo, acertó el 8,3% en coger y colocar, dedicó 87,3 segundos a razonar cada decisión y tardó de media 17,8 minutos en terminar cada tarea que completó.