Octo: An Open-Source Generalist Robot Policy

要約

多様なロボット データセットで事前トレーニングされた大規模なポリシーは、ロボット学習を変革する可能性があります。新しいポリシーをゼロからトレーニングする代わりに、このようなジェネラリスト ロボット ポリシーは、わずかなドメイン内データだけで微調整でき、しかも広く一般化できる可能性があります。
ただし、さまざまなロボット学習のシナリオ、環境、タスクに広く適用するには、そのようなポリシーが多様なセンサーやアクション スペースを処理し、一般的に使用されるさまざまなロボット プラットフォームに対応し、新しい領域に合わせて容易かつ効率的に微調整する必要があります。
この研究では、ロボット操作のためのオープンソースで広く適用可能なジェネラリスト ポリシーを開発するための基礎を築くことを目的としています。
最初のステップとして、これまで最大のロボット操作データセットである Open X-Embodiment データセットからの 800k 軌道でトレーニングされた大規模なトランスフォーマー ベースのポリシーである Octo を紹介します。
言語コマンドまたは目標画像を介して指示でき、標準的なコンシューマ GPU で数時間以内に新しい感覚入力とアクション スペースを備えたロボットのセットアップに効果的に微調整できます。
9 つのロボット プラットフォームにわたる実験で、Octo が新しい観察およびアクション空間に合わせて効果的に微調整できる多用途のポリシー初期化として機能することを実証しました。
また、ジェネラリスト ロボット モデルの構築に関する将来の研究を導くために、アーキテクチャからトレーニング データに至るまで、Octo モデルの設計決定の詳細なアブレーションも実行します。

要約(オリジナル)

Large policies pretrained on diverse robot datasets have the potential to transform robotic learning: instead of training new policies from scratch, such generalist robot policies may be finetuned with only a little in-domain data, yet generalize broadly. However, to be widely applicable across a range of robotic learning scenarios, environments, and tasks, such policies need to handle diverse sensors and action spaces, accommodate a variety of commonly used robotic platforms, and finetune readily and efficiently to new domains. In this work, we aim to lay the groundwork for developing open-source, widely applicable, generalist policies for robotic manipulation. As a first step, we introduce Octo, a large transformer-based policy trained on 800k trajectories from the Open X-Embodiment dataset, the largest robot manipulation dataset to date. It can be instructed via language commands or goal images and can be effectively finetuned to robot setups with new sensory inputs and action spaces within a few hours on standard consumer GPUs. In experiments across 9 robotic platforms, we demonstrate that Octo serves as a versatile policy initialization that can be effectively finetuned to new observation and action spaces. We also perform detailed ablations of design decisions for the Octo model, from architecture to training data, to guide future research on building generalist robot models.

arxiv情報

著者 Octo Model Team,Dibya Ghosh,Homer Walke,Karl Pertsch,Kevin Black,Oier Mees,Sudeep Dasari,Joey Hejna,Tobias Kreiman,Charles Xu,Jianlan Luo,You Liang Tan,Lawrence Yunliang Chen,Pannag Sanketi,Quan Vuong,Ted Xiao,Dorsa Sadigh,Chelsea Finn,Sergey Levine
発行日 2024-05-26 19:55:26+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO パーマリンク