Liber-0 di LiberAI entra nella corsa ai cervelli robotici addestrati sui video umani

LiberAI punta sui video umani per il controllo dei robot

LiberAI, fondata nel dicembre 2025, definisce Liber-0 un World Action Model. Secondo l'azienda, il modello impara le relazioni tra osservazioni visive, azioni fisiche e ciò che accade dopo.

Per chi costruisce e compra robot, la promessa è una manipolazione generica addestrata su video umani e sul movimento delle mani registrato, invece di una programmazione su misura per ogni compito. Restano due incognite: se i benchmark del fornitore si riproducono fuori dai siti controllati e se uno di questi sistemi funziona in modo affidabile alla scala del cliente. LiberAI ha pubblicato i dati sull'addestramento e nessun numero sul deployment.

La via consueta passa dalle dimostrazioni dei robot. Quei dati valgono perché registrano azioni che la macchina può davvero eseguire, ma raccoglierli richiede hardware robotico e lavoro ripetuto degli operatori. L'esperienza umana, al contrario, esiste su scala enorme: è tutto l'argomento a favore del preaddestramento su di essa.

LiberAI afferma che la maggior parte di quelle ore è video di normale attività umana. Così il modello vede molte persone, oggetti e ambienti, ma impara poco sulla forza della presa o sulla rotazione del polso. Dati più dettagliati arrivano da guanti strumentati e dai robot stessi, che collegano ciò che il modello vede alle azioni che lo hanno prodotto. L'azienda non specifica come si distribuiscono i 2,2 milioni di ore tra video, registrazioni con i guanti e dimostrazioni dei robot.

LiberAI indica tre lacune nel trasferimento. Le telecamere vedono la stessa attività da punti di vista diversi. Le traiettorie delle mani dedotte dai video sono incomplete per via delle occlusioni e degli errori di profondità. E i corpi umani si muovono in modi che un dato robot non può imitare.

Il problema dei dati è il modello di business

Physical Intelligence mostra quanto valgono i dati del deployment. Il suo modello π0.6 ha evaso ordini e-commerce per un intero turno di magazzino con il 96,4% di autonomia per il partner Ultra a febbraio 2026, secondo AI Magazine.

L'aggiunta dei dati di piegatura del bucato di Weave al preaddestramento ha ridotto le prese mancate del 42% e gli interventi del 50% nello stesso mese, ha riportato la rivista. Physical Intelligence è stata fondata a marzo 2024 e a marzo 2026 aveva circa 80 dipendenti.

Tutor Intelligence vende lo stesso ciclo come servizio. Mette i robot in ambienti di produzione con operatori remoti che chiama tutor, e ogni compito completato genera dati di addestramento. L'azienda ha annunciato un round Series B da 75 milioni di dollari guidato da Andreessen Horowitz il 2 novembre, portando il capitale totale a 117 milioni di dollari. Hanno partecipato anche Union Square Ventures e Neo, che avevano guidato i round precedenti.

Gli approcci differiscono per l'origine dei dati. LiberAI si appoggia ai video umani, Physical Intelligence ai deployment dei partner, Tutor alla propria flotta schierata e AGIBOT a un misto di video in prima persona e traiettorie dei robot.

Le valutazioni corrono avanti ai deployment pubblicati

Physical Intelligence è stata valutata 5,6 miliardi di dollari a novembre 2025. Bloomberg ha riportato a marzo 2026 che l'azienda era in trattative preliminari per raccogliere circa 1 miliardo di dollari a più di 11 miliardi. La settimana scorsa Bloomberg ha parlato di trattative su una valutazione di 20 miliardi di dollari, ha riferito AI Magazine.

Sarebbe più del triplo della cifra di novembre 2025.

Benchmark e open source decideranno la prossima prova

AGIBOT ha presentato GO-3 Preview, un modello fondativo embodied costruito su un framework World Reasoning Action Model, al suo evento Innovation Day 2026 a Shanghai il 29 ottobre. L'azienda ha presentato risultati primi su RoboDojo e RoboColiseum e migliori in assoluto su RoboTwin. I risultati sono dichiarati dal fornitore.

I suoi dati di addestramento combinano video umani in prima persona con traiettorie dei robot, secondo Interesting Engineering. AGIBOT ha descritto anche Genie Evolver, un sistema di post-addestramento distribuito che unisce dati da fonti fisiche con simulazione fisica e world model. Genie Master è uno strato agente per individuare e correggere gli errori durante il compito. In una dimostrazione, un robot ha battuto la media degli umani testati nel curling da tavolo dopo quattro ore di pratica online. Interesting Engineering ha riportato che AGIBOT intende rendere open source il modello completo entro la fine del 2026.

Cosa osservare

Pesi aperti permetterebbero a gruppi esterni di testare le dichiarazioni di miglioramento continuo di AGIBOT sui propri compiti di manipolazione. Josh Gruenstein, CEO di Tutor, dice che l'azienda riesce a malapena a costruire robot abbastanza in fretta. LiberAI non ha detto quando Liber-0 sarà disponibile per i clienti né quanto costerà. Se Physical Intelligence chiuderà il round da 20 miliardi di dollari riportato, è il numero da tenere d'occhio.