LiberAI stellt Liber-0 vor: Welt-Aktionsmodell erreicht 36,0 Prozent bei 60 GPT-6-Aufgaben

Liber-0 erreicht 36,0 Prozent in 600 Versuchen

LiberAI, ein Startup aus Peking, hat Liber-0 vorgestellt und nennt es ein Welt-Aktionsmodell. Das Modell wurde mit mehr als 2.200.000 Stunden menschlicher Erfahrung vortrainiert. Diese Erfahrung setzt sich aus menschlichem Video, mit Handschuh aufgezeichneten Handbewegungen und einer Angleichung der Körperformen zusammen, wie das Unternehmen mitteilte.

LiberAI testete Liber-0 auf 60 Aufgaben, die GPT-6 vorgeschlagen hatte. Diese Sammlung ist getrennt von den internen Skalierungs-Benchmarks des Unternehmens. Sie umfasste 20 Pick-and-Place-Aufgaben, 20 Manipulationsaufgaben ohne Pick-and-Place und 20 schwierige Aufgaben ohne Pick-and-Place mit langem Zeithorizont. Liber-0 erreichte 63,5 Prozent bei Pick-and-Place, 34,0 Prozent bei Manipulation ohne Pick-and-Place und 10,5 Prozent in der schwierigen Gruppe mit langem Zeithorizont. Die Gesamterfolgsquote lag bei 36,0 Prozent über 600 Versuche.

Am besten schnitt das Modell bei Pick-and-Place ab, am schwächsten in der Gruppe, die schwierigere Manipulation mit längeren Abläufen verband. LiberAI meldete die Ergebnisse, ohne dass für diese Zielaufgaben eigens Roboterdemonstrationen gesammelt worden waren.

Was Zero-Shot in diesem Test bedeutet

LiberAI fasst Zero-Shot hier eng. Der getestete Checkpoint wurde nicht mit Roboterdemonstrationen trainiert, die eigens für diese Zielaufgaben gesammelt wurden, so das Unternehmen. Im Vortraining waren dennoch Roboterdaten enthalten. Diese Definition lässt Roboterdaten im Vortraining also zu.

Zu den Beispielen gehören ein Stift, der in ein Federmäppchen gelegt wird, eine Schublade, die zugeschoben wird, und eine längere Abfolge, in der ein Stift in eine Tasche und die Tasche in eine Schublade wandert.

Warum LiberAI auf menschliche Erfahrung setzt

Robotermanipulation stützte sich bisher auf Demonstrationen, die an einem bestimmten Roboter für eine bestimmte Aufgabe aufgezeichnet wurden, meist von einer Person, die die Maschine fernsteuerte. Diese Daten passen gut zum Einsatz. Ihre Sammlung kann jedoch langsam und teuer werden, wenn neue Aufgaben oder Robotersysteme mehr Demonstrationen brauchen, so LiberAI. Menschliche Aktivität ist viel häufiger vorhanden, und ein großer Teil liegt bereits als Video vor.

Menschliches Video lässt sich nicht direkt in Roboterbefehle übersetzen. Kameras stehen an verschiedenen Orten, aus Video geschätzte Handhaltungen sind verrauscht, und menschliche Körper bewegen sich anders als Roboter, erklärte LiberAI.

Liber-0 verbindet menschliche Erfahrung auf drei Wegen mit Roboteraktionen. Der LiberSense Glove, das Datenerfassungssystem von LiberAI, zeichnet Handbewegungen direkt auf und hilft so, Video mit der dahinterliegenden Bewegung zu verknüpfen. Die Roboterplattform von LiberAI nutzt Kamerabilder plus Bewegungen von Hand, Handgelenk und Taille, die menschlicher Bewegung näher kommen. Eine Unified Embodiment Representation liefert Körperform und Gelenkinformationen, damit das Modell eine Aktion an den Körper anpassen kann, der sie ausführt.

Das Modell sagt künftige Videobilder und Aktionen gemeinsam voraus. Dadurch kann es aus gewöhnlichem Video ohne Aktionslabels lernen, zusammen mit Handschuh- und Roboteraufzeichnungen, die gemessene Bewegung enthalten.

Handschuhdaten schließen Lücken in Roboterdemonstrationen

Handschuhdaten können Verhaltensweisen ergänzen, die in den Trainingsdaten einer Roboterpolitik fehlen. LiberAI trainierte Politiken, deren Roboterdemonstrationen nur Pick-and-Place abdeckten, während die Handschuhdemonstrationen Falten, Drücken und Öffnen enthielten. Gemessen wurde ein Fortschrittswert von 0 bis 100, der auch teilweise erledigte Aufgaben zählt, über vier Pick-and-Place- und sechs Aufgaben ohne Pick-and-Place.

Mit Roboterdaten allein lag der Fortschrittswert für Manipulation ohne Pick-and-Place bei 2,2. Kamen Handschuhaufzeichnungen dieser Aktionen hinzu, stieg er auf 47,5. Mit zusätzlichen Handschuhaufzeichnungen, die auch Pick-and-Place umfassten, erreichte er 54,6, nahe an den 56,3 einer Politik, die mit Roboterdemonstrationen aller Aktionen trainiert worden war. LiberAI betonte, dieses kontrollierte Experiment sei getrennt von der Sammlung mit 60 Aufgaben: Die Aktionen kamen in den Handschuhdemonstrationen vor, nicht in den Roboterdemonstrationen der Politiken.

Handschuhdaten können Roboterdemonstrationen einsparen

Ein weiteres Experiment prüfte, ob Handschuhaufzeichnungen den Bedarf an Roboterdemonstrationen senken. In einer Auswertung mit acht Aufgaben auf der Roboterplattform von LiberAI enthielten der volle Roboter- und der volle Handschuh-Pool gleich viele Demonstrationen. Eine Politik, die mit 25 Prozent des Roboter-Pools plus 100 Prozent des Handschuh-Pools trainiert wurde, erreichte einen Fortschrittswert von 75,6. Eine Politik mit 100 Prozent des Roboter-Pools kam auf 72,8.

In diesem Setting lieferten Handschuhaufzeichnungen eine vergleichbare Leistung bei 75 Prozent weniger Roboterdemonstrationen. Die Einsparung betrifft nur die Roboterdemonstrationen, denn die gemischte Politik nutzte weiterhin den vollen Handschuh-Pool. Laut LiberAI braucht die Handschuhsammlung nicht an jedem Standort einen Roboter, sodass Erfahrung von mehr Menschen, an mehr Orten und womöglich zu geringeren Kosten gesammelt werden kann.

Interne Benchmarks und die offene Frage

Bei den internen Benchmarks von LiberAI erreichte der vortrainierte Checkpoint nach Angaben des Unternehmens 81,4 bei Pick-and-Place und 72,3 bei Aufgaben ohne Pick-and-Place, wenn er direkt getestet wurde. Diese internen Werte liegen über den Ergebnissen der Sammlung mit 60 Aufgaben, die LiberAI als separaten Generalisierungstest beschreibt.

Offen bleibt, ob das Ergebnis von 36,0 Prozent außerhalb einer von GPT-6 vorgeschlagenen Sammlung mit 60 Aufgaben Bestand hat. Es ist eine Auswertung auf einer Sammlung mit 60 Aufgaben. Die Behauptung von LiberAI stützt sich auf die Übertragung menschlicher Erfahrung auf Roboteraktionen.