Octo Robot Policy

Deskripsi

Octo mewakili inisiatif berkelanjutan untuk mengembangkan kebijakan generalis sumber terbuka yang berlaku luas untuk manipulasi robotik. Inti dari Octo adalah kebijakan difusi berbasis transformer, yang telah dilatih sebelumnya secara cermat pada 800.000 episode robot yang bersumber dari kumpulan data Open X-Embodiment yang komprehensif. Pelatihan awal yang ekstensif ini membekali Octo dengan fondasi yang kuat untuk memahami dan melaksanakan berbagai tugas robotik.

Filosofi desain di balik Octo menekankan fleksibilitas dan skalabilitas. Ini direkayasa untuk mengakomodasi berbagai robot yang umum digunakan, konfigurasi sensor, dan ruang aksi. Arsitektur generik dan skalabel ini memungkinkan pelatihan pada kumpulan data masif, menghasilkan model yang sangat dapat beradaptasi. Octo mendukung beberapa modalitas input untuk spesifikasi tugas, termasuk instruksi bahasa alami dan gambar tujuan. Ini juga dapat memproses riwayat observasi dan menghasilkan distribusi aksi multi-modal melalui dekoding difusi.

Kekuatan utama Octo terletak pada dukungannya untuk penyetelan halus yang efisien. Kemampuan ini memungkinkan kebijakan untuk diadaptasi dengan cepat ke pengaturan robot baru, termasuk yang memiliki ruang aksi berbeda atau kombinasi kamera dan sensor proprioseptif yang bervariasi. Pilihan desain ini menjadikan Octo kebijakan robot generalis yang serbaguna dan berlaku luas, cocok untuk banyak aplikasi robotika hilir dan proyek penelitian.

Octo dilatih pada campuran beragam dari 25 kumpulan data dari Kumpulan Data Open X-Embodiment, yang mencakup berbagai macam perwujudan robot, adegan, dan tugas. Heterogenitas kumpulan data ini, dalam hal jenis robot, sensor (misalnya, dengan atau tanpa kamera pergelangan tangan), dan label (misalnya, dengan atau tanpa instruksi bahasa), berkontribusi pada kemampuan generalisasi Octo yang kuat.

Evaluasi Octo telah dilakukan di sembilan pengaturan robot dunia nyata di empat institusi yang berbeda. Evaluasi ini mencakup interaksi objek yang beragam, cakrawala tugas yang panjang, dan tugas manipulasi yang presisi. Octo menunjukkan kinerja luar biasa "langsung pakai" di lingkungan dari data pelatihan awalnya dan unggul dalam penyetelan halus yang efisien ke tugas dan lingkungan baru dengan kumpulan data domain target yang kecil. Ini juga menunjukkan kemampuan beradaptasi yang luar biasa terhadap observasi baru, seperti input gaya-torsi, dan ruang aksi baru, seperti kontrol posisi sambungan, menjadikannya alat yang ampuh untuk penelitian dan pengembangan robotika tingkat lanjut.

Sorotan Octo Robot Policy

• Arsitektur kebijakan difusi berbasis transformer

• Dilatih sebelumnya pada 800.000 episode robot dari kumpulan data Open X-Embodiment

• Mendukung instruksi bahasa alami untuk spesifikasi tugas

• Mendukung pengkondisian gambar tujuan untuk spesifikasi tugas

• Mengakomodasi riwayat observasi

• Menghasilkan distribusi aksi multi-modal melalui dekoding difusi

• Dirancang untuk penyetelan halus yang efisien ke ruang observasi dan aksi baru

• Tersedia dalam dua versi: Octo-Small (27 juta parameter) dan Octo-Base (93 juta parameter)

• Dievaluasi pada 9 pengaturan robot nyata di 4 institusi

• Mengungguli RT-1-X dalam pengkondisian bahasa zero-shot

• Kinerja sebanding dengan RT-2-X

• Mencapai kinerja lebih tinggi dengan pengkondisian gambar tujuan pada tugas WidowX

• Menunjukkan kinerja penyetelan halus yang unggul dibandingkan dengan pelatihan dari awal atau dengan bobot VC-1

Memulai dengan Octo Robot Policy

1. 1

   Akses Model: Dapatkan bobot dan kode model Octo dari repositori yang disediakan.

2. 2

   Siapkan Lingkungan: Konfigurasikan lingkungan simulasi atau perangkat keras robotika Anda.

3. 3

   Integrasikan Kebijakan: Muat model Octo dan definisikan ruang observasi dan aksi Anda.

4. 4

   Spesifikasi Tugas: Berikan instruksi tugas melalui bahasa alami atau gambar tujuan.

5. 5

   Kontrol Robot: Jalankan kebijakan untuk mengontrol aksi robot.

6. 6

   Setel Halus Model: Adaptasikan Octo ke tugas atau lingkungan baru menggunakan demonstrasi target.

Kasus Penggunaan Octo Robot Policy

• Manipulasi Robotik Umum
• Penyetelan Halus Khusus Tugas
• Instruksi Tugas Multi-Modal
• Platform Penelitian Robotika
• Adaptasi Konfigurasi Sensor
• Fleksibilitas Ruang Aksi

FAQ dari Octo Robot Policy

• Apa itu Octo: Kebijakan Robot Generalis Sumber Terbuka?

  Octo adalah kebijakan difusi berbasis transformer sumber terbuka untuk manipulasi robotik, yang telah dilatih sebelumnya pada kumpulan data besar untuk mendukung definisi tugas yang fleksibel dan penyetelan halus yang efisien untuk berbagai pengaturan robot.

• Tugas jenis apa yang dapat dilakukan Octo?

  Octo dirancang sebagai kebijakan generalis yang mampu melakukan berbagai interaksi objek, cakrawala tugas yang panjang, dan manipulasi yang presisi, mendukung instruksi bahasa alami dan gambar tujuan.

• Bagaimana Octo dilatih?

  Octo dilatih sebelumnya pada campuran 25 kumpulan data heterogen dari Kumpulan Data Open X-Embodiment, yang mencakup berbagai perwujudan robot, adegan, dan tugas.

• Apa saja versi Octo yang tersedia?

  Dua versi awal diperkenalkan: Octo-Small dengan 27 juta parameter dan Octo-Base dengan 93 juta parameter.

• Bisakah Octo disetel halus untuk robot atau tugas tertentu?

  Ya, Octo secara khusus dirancang untuk penyetelan halus yang efisien ke pengaturan robot baru, termasuk ruang aksi yang berbeda dan konfigurasi sensor.

• Modalitas apa yang didukung Octo untuk spesifikasi tugas?

  Octo mendukung instruksi bahasa alami dan gambar tujuan, serta riwayat observasi.

• Bagaimana perbandingan Octo dengan kebijakan robot generalis lainnya?

  Secara "langsung pakai", Octo mengungguli RT-1-X dan berkinerja sebanding dengan RT-2-X, sambil juga mendukung pengkondisian gambar tujuan, yang tidak didukung oleh RT-1-X dan RT-2-X.

• Apa keuntungan menyetel halus Octo?

  Menyetel halus Octo menghasilkan kebijakan yang lebih baik daripada memulai dari awal atau dengan bobot yang telah dilatih sebelumnya, secara signifikan mengungguli baseline rata-rata.

• Apakah Octo mendukung jenis observasi baru?

  Ya, desain Octo memungkinkannya untuk mengakomodasi observasi baru, seperti input gaya-torsi, untuk kemampuan manipulasi yang ditingkatkan.

• Bisakah Octo mengontrol robot dengan ruang aksi yang berbeda?

  Ya, Octo dapat disetel halus untuk mendukung ruang aksi baru, seperti kontrol posisi sambungan, memungkinkan penerapan yang lebih luas.

• Di mana saya dapat menemukan kode dan bobot model Octo?

  Kode, notebook Colab, dan bobot model tersedia melalui repositori GitHub dan halaman Hugging Face yang disediakan.