LiberAI steigt mit Liber-0 in das Rennen um Roboterhirne aus menschlichem Video ein

LiberAI setzt bei der Robotersteuerung auf menschliches Video

LiberAI wurde im Dezember 2025 gegründet und nennt Liber-0 ein World Action Model. Das Modell lernt nach Angaben des Unternehmens die Zusammenhänge zwischen visuellen Beobachtungen, physischen Aktionen und dem, was danach passiert.

Für Roboterhersteller und Käufer heißt das: universell einsetzbare Manipulation, trainiert mit menschlichem Video und aufgezeichneten Handbewegungen statt mit maßgeschneiderter Programmierung für jede Aufgabe. Zwei Fragen bleiben offen. Ob sich die Benchmarks der Anbieter außerhalb kontrollierter Umgebungen reproduzieren lassen. Und ob eines dieser Systeme im Kundenbetrieb zuverlässig läuft. LiberAI hat Angaben zum Training veröffentlicht und keine Zahlen zum Einsatz bei Kunden.

Der übliche Weg führt über Roboter-Demonstrationen. Diese Daten sind wertvoll, weil sie Aktionen festhalten, die die Maschine tatsächlich ausführen kann. Sie zu sammeln braucht aber Roboter-Hardware und wiederholte Arbeit von Bedienern. Menschliche Erfahrung dagegen existiert in enormem Umfang. Genau das ist das Argument für das Vortraining damit.

Nach Angaben von LiberAI besteht der größte Teil dieser Stunden aus gewöhnlichem Video menschlicher Aktivität. Das liefert breite Erfahrung mit Menschen, Objekten und Umgebungen, sagt aber wenig über Greifkraft oder Handgelenksdrehung. Genauere Daten kommen von instrumentierten Handschuhen und von Robotern selbst. Sie verbinden, was das Modell sieht, mit den Aktionen, die es ausgelöst haben. Wie sich die 2.200.000 Stunden auf Video, Handschuhaufnahmen und Roboter-Demonstrationen verteilen, schlüsselt das Unternehmen nicht auf.

LiberAI nennt drei Lücken beim Transfer. Kameras sehen dieselbe Aktivität aus verschiedenen Blickwinkeln. Aus Video abgeleitete Handbewegungen sind unvollständig, weil Verdeckungen und Tiefenfehler auftreten. Und menschliche Körper bewegen sich auf Arten, die ein bestimmter Roboter nicht nachahmen kann.

Das Datenproblem ist das Geschäftsmodell

Physical Intelligence zeigt, was Einsatzdaten wert sind. Das Modell π0.6 des Unternehmens hat im Februar 2026 für den Partner Ultra eine ganze Lagerschicht lang Bestellungen aus dem E-Commerce abgewickelt, mit 96,4 Prozent Autonomie, meldet AI Magazine.

Die Ergänzung von Weaves Daten zum Falten von Wäsche im Vortraining senkte im selben Monat fehlgeschlagene Griffe um 42 Prozent und Eingriffe um 50 Prozent, berichtet das Magazin. Physical Intelligence wurde im März 2024 gegründet und hatte im März 2026 rund 80 Mitarbeiter.

Tutor Intelligence verkauft dieselbe Schleife als Dienstleistung. Das Unternehmen bringt Roboter in Produktionsumgebungen, mit Fernbedienern, die es Tutoren nennt. Jede abgeschlossene Aufgabe erzeugt Trainingsdaten. Am 2. November kündigte das Unternehmen eine Series B über 75.000.000 US-Dollar an, angeführt von Andreessen Horowitz. Damit steigt das Gesamtkapital auf 117.000.000 US-Dollar. Union Square Ventures und Neo, die frühere Runden angeführt hatten, beteiligten sich ebenfalls.

Die Ansätze unterscheiden sich darin, woher die Daten kommen. LiberAI stützt sich auf menschliches Video, Physical Intelligence auf Einsätze bei Partnern, Tutor auf die eigene Flotte im Einsatz und AGIBOT auf eine Mischung aus First-Person-Video und Roboter-Trajektorien.

Bewertungen eilen den veröffentlichten Einsätzen voraus

Physical Intelligence wurde im November 2025 mit 5.600.000.000 US-Dollar bewertet. Bloomberg berichtete im März 2026, das Unternehmen führe frühe Gespräche über eine Finanzierung von rund 1.000.000.000 US-Dollar bei einer Bewertung von mehr als 11.000.000.000 US-Dollar. Vergangene Woche meldete Bloomberg Gespräche bei einer Bewertung von 20.000.000.000 US-Dollar, so AI Magazine.

Das wäre mehr als das Dreifache des Werts vom November 2025.

Benchmarks und Open Source entscheiden über den nächsten Test

AGIBOT stellte am 29. Oktober auf seinem Innovation Day 2026 in Shanghai GO-3 Preview vor, ein verkörpertes Grundlagenmodell auf Basis eines World Reasoning Action Model. Das Unternehmen präsentierte Ergebnisse, die auf RoboDojo und RoboColiseum Platz eins und auf RoboTwin den höchsten Gesamtwert erreichten. Die Ergebnisse stammen vom Anbieter selbst.

Die Trainingsdaten kombinieren First-Person-Video von Menschen mit Roboter-Trajektorien, berichtet Interesting Engineering. AGIBOT beschrieb außerdem Genie Evolver, ein verteiltes Post-Training-System, das Daten aus physischen Quellen mit Physiksimulation und Weltmodellen verbindet. Genie Master ist eine Agentenschicht, die Fehler mitten in der Aufgabe erkennt und korrigiert. In einer Demonstration schlug ein Roboter nach vier Stunden Online-Training den Durchschnitt der getesteten Menschen beim Tischcurling. Interesting Engineering berichtete, AGIBOT wolle das vollständige Modell bis Ende 2026 als Open Source freigeben.

Was zu beobachten ist

Offene Gewichte würden es außenstehenden Gruppen erlauben, die Versprechen von AGIBOT zur ständigen Verbesserung an eigenen Manipulationsaufgaben zu prüfen. Josh Gruenstein, CEO von Tutor, sagt, das Unternehmen könne Roboter kaum schnell genug bauen. LiberAI hat nicht mitgeteilt, wann Liber-0 für Kunden verfügbar sein wird und wie es bepreist wird. Ob Physical Intelligence die gemeldete Runde über 20.000.000.000 US-Dollar abschließt, ist die Zahl, auf die es zu achten gilt.