概要
LiberAIは2026年11月4日、人の動画や手の動作データなどで事前学習した世界行動モデル「Liber-0」を発表した。LiberAIの評価では、対象タスク専用のロボット実演データを使わない60タスクの試験で、成功率は全体36.0％だった。
详细事实
人の経験をロボット動作へ変換するモデル
LiberAIは2026年11月4日、世界行動モデル「Liber-0」を発表した。同社によると、モデルは人の経験220万時間超を用いて事前学習し、人の動画、LiberSense Gloveで記録した手の動き、ロボットのデータを組み合わせる。将来の映像フレームと動作を共同で予測し、身体形状や関節の動きを表す情報を使って、異なる身体への動作の適応を図る。
查看出处 ↗60タスクの評価結果
LiberAIはGPT-6が提案した60タスクを600試行で評価し、全体の成功率を36.0％と発表した。タスク専用に収集したロボット実演データを使わない評価で、把持・配置は63.5％、それ以外の操作は34.0％、難度の高い操作や長い手順を含む課題は10.5％だった。ただし、ここでいうゼロショットは対象タスク専用のロボット実演データがないという意味であり、事前学習にロボットデータを含まないという意味ではない。
查看出处 ↗グローブ記録を加えた別実験
別の実験では、ロボット実演が把持・配置に限られた方策に、折りたたみや押す、開ける動作を含むグローブ記録を追加した。LiberAIが示した非把持・配置タスクの進捗スコアは、ロボットデータのみの2.2から、該当するグローブ記録の追加後に47.5へ上昇し、把持・配置のグローブ記録も加えた場合は54.6だった。さらに8タスクの別評価では、ロボット実演プールの25％とグローブ記録の全量を用いた方策が進捗スコア75.6となり、ロボット実演全量を用いた方策の72.8を上回った。これらの数値はいずれもLiberAIが公表した評価結果である。
查看出处 ↗データ収集とモデルの制約
LiberSense Gloveは手の姿勢と軌道を記録する一方、接触や力は記録しないとLiberAIは説明している。同社は、触覚・力覚の計測や、より多様な家庭環境でのデータ収集を今後の研究課題に挙げた。また、物体をアップロードして仮想環境で操作を確認できるシミュレーションを開発しており、そのモデルはシミュレーション上の遠隔操作データ100時間で追加学習され、物体ごとの追加学習は行わないとしている。
查看出处 ↗独自観点のコメント
分析：Liber-0の差別化要因は、ロボットで作業ごとに実演を集める方法に、人の動画とグローブで計測した手の動きを組み合わせる点にある。ロボット実演の収集負担を抑えながら、実演に含まれない動作を学習できる可能性を、別々の実験で示している。
一方、60タスク評価の成功率は全体で36.0％で、難しい長手順課題では10.5％にとどまる。さらに、ゼロショットでも事前学習にはロボットデータが含まれ、グローブは接触や力を記録しない。したがって、現時点で確認できる強みは人の経験を活用した学習手法と評価結果であり、幅広い実環境での自律作業能力が確立したとまでは言えない。
相关企业与产品
出处
- 媒体报道 The Robot Report — 阅读原文 ↗