220万小时人类经验加持，Liber-0零样本泛化做奶茶

从GPT的考题，到一杯奶茶，Liber-0正在拓展零样本泛化的能力边界。物理AI公司LiberAI发布世界动作模型Liber-0，能根据不同口味订单灵活组合操作技能，完成复杂长程奶茶制作；还接受GPT-6随机生成的60项任务挑战，在无目标任务机器人数据示范情况下，实现从基础抓取到复杂长程灵巧操作的Zero-shot泛化。支撑这些能力的是超过220万小时人类经验，通过Human Data Scaling将海量物理经验转化为机器人可持续扩展的通用泛化执行能力。

过去机器人学习技能通常需采集大量对应真机后训练数据，限制其走向更多场景。Liber-0的奶茶制作展示另一种可能：经少量后训练即可执行较长制作流程，面对不同订单不必将每种口味视为独立新任务，而能根据需求重新组织已掌握技能。这涉及两项关键能力：长程灵巧操作，需连续操作杯子、勺子、配料容器等，在加冰、加小料、加糖浆、加茶底等步骤间保持正确物理状态；组合泛化，不同订单共享大量基础操作但需不同技能排列组合。该能力若持续扩展，潜在应用不限于奶茶制作，餐饮、零售、物流、工业生产中大量任务均具相似特征。

LiberAI将出题权交给GPT-6，60项任务分三个难度等级：基础Pick-and-Place考察抓取移动放置；Non-PnP要求更复杂物体交互，包括精细接触、姿态调整；第三组为长程Non-PnP，需连续完成多步骤并保证物理状态正确衔接。关键限制是Liber-0未使用针对这些目标任务的机器人示范训练。三组成功率分别为63.5%、34.0%和10.5%，整体36.0%。第三组虽仅10.5%，但释放重要信号：无目标任务示范，模型已能完成完整多步骤陌生灵巧操作，零样本泛化正从基础动作向复杂连续操作延伸。Liber-0已支持接入Astra等上层Agent进行任务规划、跟踪执行状态、管理中间目标，再调用Liber-0完成物理操作。同一测试中Astra直接作为机器人策略时，三组成功率分别为8.3%、5.0%和1.7%，凸显通用推理模型在精细物理操作中的局限性。

Liber-0能力源于Human Data Scaling路线。此次预训练数据超220万小时，其中人类视频200万小时，突破此前百万小时级规模。但人类视频规模优势不等同于动作能力，视频缺少人如何通过精细身体运动完成操作的关键信息，灵巧手场景中仅凭视觉难以还原手指位置、接触方式与运动轨迹。为此LiberAI自研LiberSense Glove轻量化动作数据采集系统，记录精确手部姿态与运动轨迹，结合第一视角与双腕部摄像头同步采集视觉与动作信息。相比机器人遥操作，该方案不要求现场部署机器人，人们可直接佩戴手套在真实工作生活场景中完成日常操作，家政、零售、装配、工具使用等过程均有机会转化为模型可用操作经验。少量高质量动作监督有机会激活更大规模视频中蕴藏的物理经验，使规模优势与精度优势互补。随着手套规模化部署，LiberAI正构建覆盖多元物理场景的分布式采集网络。

LiberAI对照实验显示，在与互联网人类视频、开源第一视角数据等比较中，LiberSense Glove数据展现出最陡峭的Scaling曲线和最显著性能增长。更关键的是，即使没有对应任务机器人示范，仅依靠人类手套数据，模型也能学会全新灵巧操作技能，性能接近使用完整机器人示范训练的水平，意味着人类数据开始具备替代部分真机示范、直接向机器人传递新技能的能力。传统机器人技能采集受本体数量、遥操作设备、场地和人员制约，而人类直接在真实场景操作天然拥有更广泛参与者和应用环境。若人类到机器人的技能迁移能力继续扩展，通过人类示教积累技能，再结合少量后训练和部署验证，机器人有机会以更低成本更快进入新场景新任务。

人类经验迁移还面临本体差异难题：人与机器人不同，人与人之间身高臂长手部尺寸存在差异，不同机器人关节结构、运动范围和灵巧手设计也不尽相同。过去主流思路是让采集设备与执行机器人尽量一致，LiberAI则选择进一步利用差异。Liber-0创新引入统一Embodiment表征机制，将身体几何、运动学等信息显式纳入动作预测上下文，模型不仅需掌握操作如何完成，还需理解不同身体条件下完成同一任务对应的动作方式。这揭示新的Scaling方向：除增加数据外，还可扩大数据覆盖的身体形态范围。LiberAI实验显示，在手套数据总时长保持不变情况下，提升……