Octo
UC 버클리🇺🇸 미국Octo 계열
전신 제어 (RL)발표일 2024.05가중치 공개 · MIT
UC Berkeley 주도로 OXE 80만 에피소드로 학습한 경량 오픈소스 범용 로봇 정책. 확산 액션 헤드와 유연한 관측·행동 공간으로 새 로봇에 빠른 파인튜닝.
- 파라미터
- 0.09공식
- 제어 빈도
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 적용 로봇
- —
- 벤치마크 결과
- 5건
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 octo-models.github.io논문 arxiv.org코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 전신 제어 (RL) — 상위 모델에서 받은 동작 목표를 넘어지지 않게 온몸의 관절에 맞춰 실행하는 모델. 시뮬레이션에서 강화학습(RL)으로 익히는 경우가 많고, 모델 예측 제어(MPC) 같은 계산 방식도 써요.
- 발표일 2024-05
- 가중치 공개 (MIT) — 내려받아 직접 실행·추가 학습할 수 있음
- 수록된 벤치마크 결과 5건
- 연결된 학습용 데이터셋 2개
확인된 정보
- 사양 9개 항목 중 5개에 값이 있음
- 공식 공식 5개: 구조, 입력, 파라미터 (B), 학습용 데이터셋, 적용 로봇 형태
- 벤치마크 결과 5건: 자체 발표 0건 · 자체 발표 외 평가 5건
- 값 확인일 2024-05 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 값 없는 기본 사양 (공개 자료에서 찾지 못함): 제어 빈도 (Hz)
- 수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요
어떤 모델인가
Octo는 UC Berkeley·Stanford·Carnegie Mellon·Google DeepMind 연구진(Octo Model Team)이 2024년 5월 공개한 오픈소스 범용 로봇 정책으로, 여러 종류의 로봇 팔을 하나의 모델로 제어하는 것이 목표다. 트랜스포머 기반 diffusion 정책으로, 언어 지시나 목표 이미지와 카메라 관측 이력을 받아 다음 몇 단계의 동작을 diffusion 방식으로 한 번에 생성한다(사전학습 기준 action chunking 4스텝). Open X-Embodiment의 25개 데이터셋에서 모은 로봇 에피소드 약 80만 개로 사전학습했고, 2,700만 파라미터(Octo-Small)와 9,300만 파라미터(Octo-Base) 두 크기로 나왔다. 연구진은 추가 학습 없이 WidowX·UR5 등에서 RT-1-X보다 나은 성능을 내고 550억 파라미터 RT-2-X와 비슷했으며, 과제당 약 100개 시연으로 미세조정한 6개 환경에서는 평균 성공률 72%를 기록했다고 보고했다.
힘·토크 센서 입력이나 관절 위치 제어 같은 새 관측·행동 공간에도 소비자용 GPU로 몇 시간 미세조정하면 적응할 수 있으며, 코드는 MIT 라이선스로, 가중치는 Hugging Face에 공개돼 있다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | 트랜스포머 백본 + 확산(diffusion) 액션 헤드, 언어(T5)·목표 이미지 조건공식 |
|---|---|
| 입력 | 3인칭·손목 카메라, 언어 또는 목표 이미지, 고유수용감각공식 |
| 파라미터 (B) | 0.09공식 |
| 학습용 데이터셋 | Open X-Embodiment 25개 데이터 80만 에피소드공식 |
| 적용 로봇 형태 | WidowX, Franka, UR5, Google Robot 등 9종 평가공식 |
벤치마크 결과
결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요| 벤치마크 | 세부 조건 | 점수 | 평가 구분 | 결과 날짜 |
|---|---|---|---|---|
| SimplerEnv (SIMPLER) | Google Robot – Variant Aggregation 평균 | 1.2% | 다른 팀 논문 표 | 2026-02 |
| SimplerEnv (SIMPLER) | Google Robot – Visual Matching 평균 | 11% | 다른 팀 논문 표 | 2026-02 |
| SimplerEnv (SIMPLER) | WidowX (Bridge) 4개 과제 평균 | 16% | 다른 팀 논문 표 | 2026-02 |
| SimplerEnv (SIMPLER) | WidowX (Bridge) 4개 과제 평균 | 29.5% | 다른 팀 논문 표 | 2026-02 |
| LIBERO | 평균 (Spatial/Object/Goal/Long) | 75.1% | 다른 팀 논문 표 | 2025-02 |
학습용 데이터셋
- Open X-Embodiment 구글 딥마인드
- BridgeData V2 UC Berkeley