Liber-0

Liber-0 是北京物理 AI 创业公司 LiberAI 发布的 World Action Model（世界动作模型 / WAM），技术博文见 liberai.com/blog/liber0。模型在逾 220 万小时人类经验上预训练，结合 LiberSense Glove 测得的手部动作锚定、统一本体表示，以及面向人类演示对齐的机器人平台 LEO，目标是把大规模人类操作经验迁移为可执行的机器人操控能力。

评估上，Liber-0 在 GPT-6 提出的 60 个任务、共 600 次试验中达到约 36.0% 总体零样本成功率（PnP 63.5% / 短 Non-PnP 34.0% / 多步挑战 10.5%），且评测检查点未针对这些目标任务采集机器人示范。官方账号与 Access Newswire、Robotics & Automation News、雷峰网等在 2026-11-03～11-04 窗口内传播；本雷达此前扫描未入库，本轮以官网博文 + 新闻稿 + X 报道确认为具名产品发货信号。

解决什么问题

传统机器人操控强依赖「按机器人、按任务」采集示范，成本高、难扩展。Liber-0 试图用大规模人类视频 + 手套测得动作 + 本体对齐，降低对目标任务机器人示范的依赖，并触及多步灵巧操作。

与同类差异

• 强调 World Action Model 联合预测未来视觉与动作，而非纯模仿单条轨迹。
• LiberSense Glove 提供可扩展、无需现场机器人的动作监督；LEO 从硬件上缩小人机视觉/运动学差距。
• 公开了 GPT-6 命题任务套件上的零样本成功率分层结果。

限制

• 多步长程任务成功率仍低（约 10.5%），真实场景可靠性需独立复现。
• 权重/API/商业化路径以 LiberAI 后续公告为准。
• 与上层 Agent（如 Astra）组合是演示向叙事，不等于开箱即用产品 SLA。

适合谁

关注具身智能、零样本操控与「人类经验 → 机器人技能」迁移的研究与机器人产品团队；以及跟踪 WAM / 手套采集范式的评测者。

如何上手

1. 阅读 Liber-0 技术博文 与公司首页演示视频，核对任务定义与成功率口径。
2. 关注 LiberAI 是否放出权重、仿真交互 demo 或 LEO/手套合作接口。
3. 若做复现评测，优先按官方分层（PnP / Non-PnP / multi-step）设计协议，避免只报单次高光片段。