Liber-0 de LiberAI rejoint la course aux cerveaux de robots entraînés sur des vidéos humaines

LiberAI mise sur la vidéo humaine pour contrôler les robots

Fondée en décembre 2025, LiberAI qualifie Liber-0 de World Action Model. La société affirme qu'il apprend les relations entre les observations visuelles, les actions physiques et ce qui se produit ensuite.

Pour les fabricants et les acheteurs de robots, la promesse est celle d'une manipulation polyvalente, entraînée sur de la vidéo humaine et des mouvements de main enregistrés, plutôt que sur une programmation sur mesure pour chaque tâche. Deux points restent inconnus : les benchmarks du fournisseur se reproduisent-ils hors de sites contrôlés, et l'un de ces systèmes tourne-t-il de façon fiable à l'échelle d'un client ? LiberAI a publié ses affirmations sur l'entraînement, mais aucun chiffre de déploiement.

La voie habituelle passe par des démonstrations de robots. Ces données ont de la valeur parce qu'elles enregistrent des actions que la machine peut réellement exécuter, mais leur collecte exige du matériel robotique et un effort répété des opérateurs. L'expérience humaine, elle, existe à très grande échelle, et c'est tout l'argument du préentraînement sur ces données.

LiberAI indique que la majeure partie de ces heures correspond à des vidéos d'activité humaine ordinaire. Le modèle voit ainsi une grande variété de personnes, d'objets et d'environnements, mais cela dit peu de chose sur la force de préhension ou la rotation du poignet. Les données plus détaillées viennent de gants instrumentés et des robots eux-mêmes, ce qui relie ce que le modèle voit aux actions qui l'ont produit. La société ne précise pas comment les 2 200 000 heures se répartissent entre vidéos, enregistrements par gants et démonstrations de robots.

LiberAI cite trois lacunes dans ce transfert. Les caméras filment la même activité depuis des points de vue différents. Les trajectoires de main déduites de la vidéo sont incomplètes à cause des occlusions et des erreurs de profondeur. Et le corps humain bouge d'une manière qu'un robot donné ne peut pas reproduire.

Le problème des données, c'est le modèle économique

Physical Intelligence montre ce que valent les données de déploiement. Son modèle π0.6 a traité des commandes de commerce en ligne pendant une garde complète d'entrepôt avec 96,4 % d'autonomie pour son partenaire Ultra en février 2026, selon AI Magazine.

L'ajout des données de pliage de linge de Weave au préentraînement a réduit de 42 % les prises manquées et de 50 % les interventions le même mois, rapporte le magazine. Physical Intelligence a été fondée en mars 2024 et comptait environ 80 salariés en mars 2026.

Tutor Intelligence vend cette même boucle sous forme de service. Elle installe des robots dans des environnements de production avec des opérateurs à distance qu'elle appelle tuteurs, et chaque tâche accomplie génère des données d'entraînement. La société a annoncé le 2 novembre une série B de 75 000 000 dollars menée par Andreessen Horowitz, portant le total levé à 117 000 000 dollars. Union Square Ventures et Neo, qui avaient mené les tours précédents, y ont aussi participé.

Les approches diffèrent par l'origine des données. LiberAI s'appuie sur la vidéo humaine, Physical Intelligence sur les déploiements de ses partenaires, Tutor sur sa propre flotte déployée et AGIBOT sur un mélange de vidéos à la première personne et de trajectoires de robots.

Les valorisations devancent les déploiements publiés

Physical Intelligence a été valorisée à 5 600 000 000 dollars en novembre 2025. Bloomberg rapportait en mars 2026 que la société était en discussions préliminaires pour lever environ 1 000 000 000 dollars à plus de 11 000 000 000. La semaine dernière, Bloomberg a fait état de discussions sur une valorisation de 20 000 000 000 dollars, selon AI Magazine.

Cela représenterait plus du triple du chiffre de novembre 2025.

Benchmarks et open source décideront du prochain test

AGIBOT a présenté GO-3 Preview, un modèle de fondation incarné bâti sur un cadre World Reasoning Action Model, lors de son événement Innovation Day 2026 à Shanghai le 29 octobre. La société a présenté des résultats la classant première sur RoboDojo et RoboColiseum et meilleure au global sur RoboTwin. Ces résultats sont rapportés par le fournisseur.

Ses données d'entraînement combinent des vidéos humaines à la première personne et des trajectoires de robots, selon Interesting Engineering. AGIBOT a aussi décrit Genie Evolver, un système de post-entraînement distribué qui combine des données de sources physiques avec de la simulation physique et des modèles du monde. Genie Master est une couche d'agents chargée de repérer et de corriger les erreurs en cours de tâche. Dans une démonstration, un robot a battu la moyenne des humains testés au curling de table après quatre heures d'entraînement en ligne. Interesting Engineering rapporte qu'AGIBOT prévoit de publier le modèle complet en open source d'ici la fin de 2026.

Ce qu'il faut surveiller

Des poids ouverts permettraient à des groupes extérieurs de tester les affirmations d'amélioration continue d'AGIBOT sur leurs propres tâches de manipulation. Josh Gruenstein, PDG de Tutor, affirme que la société n'arrive guère à construire des robots assez vite. LiberAI n'a pas dit quand Liber-0 serait disponible pour les clients, ni à quel prix. La clôture ou non du tour de 20 000 000 000 dollars rapporté pour Physical Intelligence est le chiffre à suivre.