00后博士的灵巧手赌局

9月12日，一份匿名报告让国内具身智能圈焦虑了一周。

GPT-6 Astra混合架构在RoboDojo十项核心任务上拿到62.6分，第二名只有38.26分。“降维打击”的说法四处流传。

五天后，RoboDojo官方榜更新。这张榜覆盖全部42项任务，分数不能和匿名报告直接比，名次却摆在那里。

9月17日，LiberAI的Liber-0 Preview、Liber-0 Lite进榜，以30.74分、29.24分包揽前两名，第三名是前一天刚进榜的GPT-6 Astra，28.97分。

同一天，这家公司官宣完成数亿元Pre-A++轮融资，中关村科学城、达晨财智、高信资本、华映资本联合投资，距上一轮Pre-A+只过去约两个月。

LiberAI（北京将闲科技有限公司）成立于2025年12月，主攻物理世界模型，九个多月里累计融资已超十亿元，红杉中国、真格基金、美团龙珠、顺为资本等连续押注。

 

01.

 00后博士，和他的两个模型

LiberAI的创始人刘松铭2000年出生，是清华大学计算机系博士，师从研究视频生成模型的朱军教授，本科期间获清华大学特等奖学金，多年保持年级第一。

他的成名作RDT-1B，是全球首个采用大规模预训练加扩散Transformer范式的双臂操作基座模型。2024年10月挂上arXiv，三周后，Physical Intelligence发布了π0。当时没人觉得这是一场比赛，可回头看，那是中美机器人基座模型的第一次同题竞技。

此后他推出的RDT-2，是第一个用大规模UMI人类数据做预训练的基座模型。

2025年底，刘松铭开始创业。成立第四个月，LiberAI就发布了全球首个高自由度灵巧操作具身模型Demo，五指灵巧手能拧瓶盖、颠锅、煎蛋、做沙拉。

RoboDojo榜单第39名是RDT，0.51分，那是他博士期间的模型。榜首是他现在的模型，30.74分。

LiberAI的联合创始人林凡淇来自清华交叉信息研究院，师从高阳，一作论文《Data Scaling Laws in Imitation Learning for Robotic Manipulation》用4万条演示和1.5万次真机实验证明了，模仿学习的泛化能力，主要取决于环境和物体的多样性，而不是数据的条数。这篇拿了CoRL X-Embodiment Workshop最佳论文的研究，是LiberAI整个数据策略的学术底座。

既然多样性决定泛化，就去连接多样性最高的数据源，也就是人类自己。

02.

夹爪还是灵巧手

机器人的手要不要长得像人的手，行业吵了两年。今年7月，硅谷公司Generalist AI公开表态：“五指手只是工具箱里的一件，把机器人限制在这一种形态是想象力的失败。”它的一个预训练模型能驱动夹爪、电动螺丝刀、打蛋器，就是不碰五指手。

刘松铭押了反方向。

LiberAI没做过任何夹爪，只做灵巧手算法和人类数据。他们认为，夹爪只有1个自由度，状态空间是离散的0和1，100个小时数据就能出像样的demo。而灵巧手有20个自由度，观测、采样、控制全部难上一个量级，模型在复现人类智能之前会有一段“沉默期”。但夹爪数据没法和人类视频对齐，灵巧手一旦爬上去，就能连接所有人类数据和互联网视频。用刘松铭的话说，从夹爪泛化到灵巧手很难，从灵巧手迁移回夹爪很容易。

怎么把人类数据采下来，行业分成了两条路。

主流的一条是人去模仿机器人。要么握着遥操作端，让机械臂跟着人手同步动；要么拿着做成机器人夹爪形状的手持工具干活；要么穿上外骨骼，让骨架把人的动作翻译成机器的关节角度。思路都是让人去迁就机器，采回来的数据落地就能训练。代价是人被工具框住，动作先被削掉一截丰富度，而且专人、专设备、专场地，规模起不来。

LiberAI选了另一条，让机器人模仿人。戴上数据手套的人照常做饭、叠衣服，手部动作以毫米级精度原样记录，人不用迁就任何机器。

刘松铭说，这是个哲学层面的选择，“让人尽可能保持人的特性，追求无感采集。”代价是人手和机器手的差距要靠模型弥合，短期会更难，但好处是天花板高、规模能跟着人走。

这只手套要同时满足高精度、可穿戴、抗电磁干扰且抗遮挡，刘松铭此前称之为“不可能三角”，但如今，他们已攻克并进入量产。采下来的数据由agent管线管理，自动化率超过90%，比如，模型推理发现叠衣服强、收垃圾弱，系统就自动调度更多人去采收垃圾的数据。

03. 

六周时间，三任第一

RoboDojo的这张榜六周换了三任第一。

8月4日，星海图的G0.5以20.23分登顶；8月24日，DM0.5把纪录刷到24.90；9月17日，Liber-0 Preview刷到30.74。六周，榜首分数涨了一半。前两任第一都是VLA模型，Liber-0是第一个登顶的世界模型。

榜单成绩由官方评测系统计算，不接受参与者自报，另有一道隐藏布局校验，专门防针对公开任务的调参。

分项成绩里，长时序任务45.98分、精细操作38.28分，都是第一；记忆37.77、泛化24.99，第三。短板也摆在明处，开放语义6.68分，五个维度里最低的一项。这一维测的是开放词汇指令跟随，听懂没见过的指令，本来就是通用大模型的强项。

和GPT-6 Astra同批进榜的还有GPT-5.5，得分1.13。从GPT-5.5到GPT-6 Astra，一代模型的迭代，在具身操作榜上是从1.13到28.97的跨越。专用模型必须跑得比这更快，这或许也是资本两个月连投两轮的原因。

据悉，LiberAI本轮融资将用于加速UMI硬件量产，构建多模态物理世界数据集，迭代具身智能大模型。

完整版Liber-0还没有发布。刘松铭此前接受采访时给今年定了两个目标：跑通人类数据的预训练Scaling Law，做出能推理的agent世界模型。