LiberAI 发布 Liber-0：基于 220 万小时人类经验训练的世界-动作模型

LiberAI 于 11 月 4 日正式发布 Liber-0 全版：一个世界-动作模型（World Action Model），在超过 220 万小时人类经验上预训练，通过「具身即上下文」的统一具身表示、LiberSense 手套提供的精确手部动作锚点，以及机器人观测与运动向人类演示对齐，把人类经验转化为可执行的机器人技能。

架构上采用 Mixture-of-Transformers，包含语言、视觉与动作三个专家，通过多模态注意力联合预测未来帧与动作；并辅以语义协同训练（VQA、分割、图像编辑、视频理解）以补足任务语义与空间关系理解。在 60 个未经任务特定演示的操控任务上取得 36.0% 零样本成功率（拾取放置 63.5%、其他操控 34.0%、长时序非拾取 10.5%）。

RoboDojo 仿真榜此前的 Liber-0 Preview 版（9 月 17 日登顶，平均分 30.74、成功率 25.52%）已于 9 月 17 日进入榜单；完整版 Liber-0 于 11 月 4 日正式发布（新闻稿与 roboticsandautomationnews 报道）。模型可选配 GPT-6 Astra 等推理智能体进行中间目标规划。

发布日期 11-04 取自 EIN Presswire 通稿（dateline November 4, 2026）与 roboticsandautomationnews 报道（November 4, 2026 by Sam Francis）；官方博客 liberai.com/blog/liber0/ 页内未显示日期字段，配图走官方站点图（双通路 200）。此前 Preview 版的 RoboDojo 榜单条目日期为 2026-09-17（第三方榜单，非官方发布日）。置信度：中（官方通稿日期为一手，但博客页无 datePublished 字段）。

原文链接：LiberAI 官方博客