Liber-0: modelo da LiberAI ensina robôs com vídeos e luvas de sensores, sem demonstração para cada tarefa
A startup LiberAI apresentou o Liber-0, um modelo de inteligência artificial que tenta ensinar robôs a manipular objetos a partir de vídeos e movimentos de pessoas, sem demonstrações feitas especialmente para cada tarefa. Os resultados divulgados são promissores, mas ainda foram medidos só pela própria empresa.
A LiberAI, empresa de inteligência artificial física fundada em dezembro de 2025, divulgou em 4 de novembro o Liber-0, que ela chama de "modelo de mundo e ação" (World Action Model). A proposta é encurtar um dos caminhos mais caros da robótica atual: em vez de depender de milhares de horas de pessoas controlando robôs à distância para gravar cada tarefa, o sistema aprende boa parte do que precisa observando gente fazendo coisas do dia a dia. Segundo a empresa, o modelo foi pré-treinado com mais de 2,2 milhões de horas de experiência humana e conseguiu 36% de sucesso em 60 tarefas que nunca tinham sido demonstradas para o robô.
O que é um modelo de mundo e ação
Os chamados modelos de mundo tentam prever o que vai acontecer em seguida numa cena: se uma mão empurra a gaveta, a gaveta se fecha; se um copo é inclinado, a água escorre. O Liber-0 junta essa previsão visual com a previsão dos movimentos que levam a esse resultado. Na prática, o modelo estima ao mesmo tempo os próximos quadros de vídeo e as ações do corpo, o que, de acordo com o blog técnico da LiberAI, permite aproveitar vídeos comuns sem rótulos ao lado de gravações em que o movimento foi medido com precisão.
A arquitetura descrita pela empresa mistura módulos especializados em linguagem, visão e ação, e o treinamento acontece em três etapas. Primeiro o sistema aprende só a prever o futuro em imagens, depois passa a prever imagens e movimentos juntos, e por fim recebe mais peso em dados de manipulação fina, como abrir, empurrar, puxar e dobrar objetos.
A luva que traduz a mão humana para o robô
O número de 2,2 milhões de horas impressiona, mas a própria LiberAI explica que ele não significa milhões de horas de pessoas ensinando tarefas a um robô. A maior parte vem de vídeos de atividades humanas, inclusive coleções públicas gravadas do ponto de vista de quem executa a ação. O detalhe que a empresa apresenta como decisivo é a LiberSense Glove, uma luva com sensores que registra a posição e a trajetória da mão, combinada com uma câmera em primeira pessoa e duas câmeras nos pulsos.
Essas câmeras foram posicionadas para imitar o ponto de vista do LEO, o robô da própria empresa, que tem mãos com vários dedos, punhos articulados e cintura móvel. Assim, o que a pessoa faz com a luva fica parecido com o que o robô enxerga ao repetir o gesto. Nos testes internos, 10 mil horas de gravações com a luva renderam resultados melhores do que 2 milhões de horas de vídeos comuns da internet. Em outro experimento, um robô treinado com apenas um quarto das demonstrações robóticas, somado aos dados da luva, superou o que usou todas as demonstrações, o que a empresa traduz como 75% menos demonstrações com robô. Vale notar que, nesse caso, o total de dados não caiu: a diferença foi preenchida com as gravações da luva, que são mais baratas de coletar.
Os números e o que ainda falta comprovar
No teste principal, as 60 tarefas foram sugeridas pelo modelo GPT-6 e divididas em três grupos de 20, com dez tentativas cada, num total de 600. O Liber-0 acertou 63,5% das tarefas de pegar e colocar objetos, 34% das manipulações curtas mais delicadas e apenas 10,5% das tarefas longas, com várias etapas encadeadas. A empresa também comparou o resultado com o GPT-6 Astra controlando o robô sozinho, que ficou entre 1,7% e 8,3% nos três grupos, mas com apenas três tentativas por tarefa, o que torna a comparação desigual.
Todos esses números foram medidos e divulgados pela LiberAI. Até o momento não há relatório técnico revisado por outros pesquisadores nem reprodução independente, e a análise publicada pelo site ExplainX destaca exatamente essa distância entre o que foi anunciado e o que já foi verificado. A empresa também reconhece limites: a luva não mede força nem contato, informações importantes para encaixar peças, apertar parafusos ou lidar com tecidos e outros materiais moles, e a coleta precisa chegar a uma variedade maior de casas.
Por que isso importa
O grande gargalo dos robôs que prometem ajudar em casa e no trabalho não é só o hardware, mas a falta de dados de ação. Vídeo existe em abundância, e gravar uma pessoa com uma luva é muito mais simples do que operar um robô à distância por horas. Se a abordagem se confirmar, robôs poderiam aprender tarefas novas com menos treinamento específico, o que reduz custo e tempo para levá-los a ambientes variados. Por enquanto, quem quiser ver o sistema em ação pode testar uma simulação on-line em que é possível enviar objetos próprios e observar o modelo tentando manipulá-los.
Os próximos sinais a acompanhar são a publicação de um relatório técnico completo, testes feitos por laboratórios independentes em outros robôs e a chegada de sensores de tato e força ao sistema de coleta, que a própria LiberAI aponta como a próxima fronteira para que tarefas longas e delicadas saiam da casa dos 10% de sucesso.
Fontes consultadas:
