A Light Origins disponibilizou publicamente o Light-O1-Preview, um modelo para ações corporais que contém aproximadamente 6 bilhões de parâmetros. Este modelo foi lançado sob a licença Apache 2.0 nas plataformas Hugging Face e GitHub, conforme detalhado no blog técnico da empresa em 21 de setembro e em sua cobertura em inglês.
Esta versão preliminar do modelo representa um segmento acessível do Light-O1, uma linha fundamental de sistemas encarnados da Light Origins. Esta linha é inicialmente treinada em ações humanas estruturadas extraídas de materiais de vídeo e, em seguida, adaptada a diferentes corpos robóticos. A marca oficial da empresa é Light Origins; este lançamento difere do módulo de navegação anterior, o LightNav-0.
A Light Origins descreveu um fluxo de trabalho que inclui segmentação de pessoas em vídeos, reconstrução de movimento tridimensional e tokenização da trajetória da raiz, postura corporal e estado das mãos em tokens de ação discretos. Esses tokens são intercalados com dados linguísticos e visuais para pré-treinamento auto-regressivo do Transformer.
Experimentos de escalonamento, abrangendo de 3,75 bilhões a 120 bilhões de tokens multimodais — o que corresponde a cerca de 100.000 horas de ações humanas reconstruídas com o maior orçamento — demonstram uma redução nos erros de perda de ação subsequente e de postura corporal após a adaptação aos dados humanos de ponto de vista egocêntrico, bem como aos sistemas de telecontrole Unitree G1 e aos próprios conjuntos de dados LightBot da Light Origins.
As demonstrações mencionadas nos materiais de lançamento aplicam essa experiência anterior ao LightBot e ao Unitree G1 para executar ações como agachar, equilibrar, limpar e pegar objetos.
Na página do Hugging Face, a versão preliminar exibe um checkpoint de 6B na árvore de modelos Qwen3.5-4B-Base. O modelo aceita uma instrução de texto, gera um breve rastro de raciocínio e produz sequências de ações corporais a 20 quadros por segundo. O formato de saída consiste em 138 valores por quadro, cobrindo o movimento da raiz, altura do quadril, guinada, 22 juntas e estados de abertura das mãos.
Para aplicar essas trajetórias em hardware real, ainda é necessária uma camada de comportamento ou um controlador de baixo nível separado. A Light Origins documenta um exemplo de caminho para o Unitree G1, que atualmente opera em simulação com um ponto de verificação de política adicional. Também foram relatados os resultados de simulações de cozinha RoboCasa GR-1 realizadas pela própria empresa, que alcançaram 79,3% de sucesso na macro métrica em 24 tarefas, embora isso não seja um ranking público independente.
Para equipes de robótica, o Light-O1-Preview representa uma camada de movimento de prioridade carregável sob licença permissiva, e não um sistema operacional pronto para robôs. Os pesos abertos permitem que laboratórios testem as alegações de pré-treinamento em conteúdo humano de vídeo; no entanto, a qualidade das tarefas de manipulação local entre diferentes corpos ainda depende dos dados de adaptação e controladores, que permanecem parcialmente proprietários.