Octo Base

Ρομποτική / VLAΜη διαθέσιμο
από OtherΑναγνωριστικό μοντέλου: octo-base

Berkeley/Stanford 93M transformer diffusion policy. Pretrained on 800k Open-X-Embodiment episodes.

Κατάσταση
Μη διαθέσιμο
Είσοδος → Έξοδος
Κείμενο + Εικόνα → Ενέργειες ρομπότ
Προγραμματιστής
Other
Ενημερώθηκε
23 Σεπτεμβρίου 2026

Το Octo Base δεν είναι διαθέσιμο αυτή τη στιγμή

Μπορείτε να διαβάσετε τις λεπτομέρειες σε αυτήν τη σελίδα. Επιλέξτε μία από τις διαθέσιμες εναλλακτικές λύσεις παρακάτω για να εκτελέσετε αμέσως ένα συγκρίσιμο μοντέλο.

01

Playground

Octo Base

Μοντέλο έρευνας

Προς το παρόν μη διαθέσιμο

Το Octo Base είναι ένα μοντέλο ρομποτικής (vision-language-action) και δεν μπορεί να εκτελεστεί μέσω του railwail API.

02

Σχετικά με το Octo Base

ΣύντομαΗμερομηνία: 23 Σεπτεμβρίου 2026

Το Octo Base είναι ένα μοντέλο του Other στην κατηγορία Ρομποτική / VLA. Το Octo Base δεν είναι διαθέσιμο στο Railwail αυτή τη στιγμή.

Φόντο

Σχετικά με UC Berkeley / Stanford (Octo Model Team)

Ιδρύθηκε 2023 · Berkeley & Stanford, California, USA

The Octo project is a collaboration of academic labs led by Sergey Levine (UC Berkeley BAIR) and Chelsea Finn (Stanford IRIS), with contributions from CMU, Google DeepMind, and Toyota Research Institute. Octo was first released in May 2024 alongside the Open-X-Embodiment dataset effort, with the goal of producing a generalist, fully open-source robot policy that any researcher can fine-tune on a new robot in hours. Octo introduced the recipe of a transformer policy with a diffusion action head trained on 800k cross-embodiment demonstrations, and it has become a de-facto baseline in academic VLA / generalist-policy research. The team released both Octo-Small (27M) and Octo-Base (93M) under Apache-2.0, alongside code, checkpoints and a fine-tuning toolkit.

Επισκεφθείτε UC Berkeley / Stanford (Octo Model Team)

Αρχιτεκτονική

Transformer policy with diffusion action head (Vision-Language-Action)

Octo-Base is a transformer-based generalist robot policy. Inputs are tokenised RGB views and a natural-language instruction (encoded with a T5-base text encoder), interleaved with learnable readout tokens. The transformer trunk consumes this sequence and emits action latents that are decoded by a diffusion head producing continuous action chunks (default 4-step lookahead, 7-DoF end-effector deltas). The model was pretrained on roughly 800k demonstrations from 25 datasets in the Open-X-Embodiment collection, covering 9 robots, both single-arm and bimanual setups. Octo is intentionally embodiment-agnostic: action and proprioception spaces are encoded via shared adapters so the same backbone can be fine-tuned to new robots with as little as a few hundred demos. The diffusion head gives smooth, multimodal trajectories that outperform discrete-token VLAs on dexterous tasks at this scale.

Παράμετροι
93M

Δυνατότητες

  • Generalist VLA policy across many robot embodiments
  • Trained on ~800k demos from Open-X-Embodiment
  • Diffusion action head produces smooth continuous actions
  • Natural-language instruction conditioning (T5 encoder)
  • Multi-view image inputs (primary + wrist cameras)
  • Designed for fast fine-tuning on new robots and tasks
  • Apache-2.0 open weights, code and recipes
  • Strong academic baseline for VLA papers
  • Best for: research, fine-tuning to new embodiments, generalist-policy benchmarks.

Εκπαίδευση & άδεια

~800,000 robot trajectories drawn from 25 Open-X-Embodiment-compatible datasets across 9 robot embodiments (Franka, WidowX, Bridge, RT-1 Everyday Robots, Berkeley UR5, etc.). Trained on TPU v4 / v5 hardware.

Άδεια: Apache-2.0 - fully open weights, code, and dataset references. Research-friendly; commercial use permitted under the licence.

Δοκιμές ασφάλειας: Octo is a research artifact; no formal red-teaming or RSP. Risks (unsafe robot motions) are mitigated at deployment time by application-specific safety controllers, not by the model itself.

Γνωστοί περιορισμοί

  • Modest 93M scale - underperforms 7B+ VLAs on hard generalisation
  • Optimised for 7-DoF end-effector control - bimanual humanoid action spaces need adapters
  • Limited language reasoning relative to LLM-backed VLAs
  • Image resolution capped (256x256)
  • Trained mostly on Western lab data - geographic bias
  • Long-horizon planning requires external prompt decomposition
03

Τιμολόγηση

Προς το παρόν μη διαθέσιμο. Δεν υπάρχει τιμή για αυτό το μοντέλο αυτή τη στιγμή, επομένως δεν μπορεί να εκτελεστεί.

04

API

Καλέστε το Octo Base με το κλειδί Railwail API. Χρησιμοποιήστε αυτό το ID μοντέλου στο αίτημα:

Δεν είναι διαθέσιμο μέσω του API

Τα μοντέλα ρομποτικής εκτελούνται σε υλικό ρομπότ, όχι μέσω του railwail API.

05

Προδιαγραφές

ID μοντέλου
octo-base
Ανάπτυξη
Other
Κατηγορία
Ρομποτική / VLA
Είσοδος
Κείμενο, Εικόνα
Έξοδος
Ενέργειες ρομπότ
Μέγεθος μοντέλου
93M
Άδεια
Apache-2.0 - fully open weights, code, and dataset references. Research-friendly; commercial use permitted under the licence.
Καταχώρηση καταλόγου ενημερώθηκε
23 Σεπτεμβρίου 2026

Ετικέτες

  • berkeley
  • stanford
  • vla
  • robotics
  • research-only
  • open-weights
  • small
06

Περιπτώσεις χρήσης

Για τι χρησιμοποιείται

  • Generalist policy fine-tuning for new robots
  • Academic research and ablations on VLAs
  • Baseline in cross-embodiment robot learning papers
  • Educational / coursework robotics projects
  • Bootstrapping data-efficient manipulation policies
  • Reproducible benchmarks on Open-X-Embodiment
07

Συχνές ερωτήσεις

Τι είναι Octo Base;

Το Octo Base είναι ένα μοντέλο του Other στην κατηγορία Ρομποτική / VLA. Είναι καταχωρημένο στο Railwail αλλά δεν μπορεί να εκτελεστεί αυτή τη στιγμή.

Πόσο κοστίζει το Octo Base στο Railwail;

Το Octo Base δεν μπορεί να εκτελεστεί στο Railwail αυτή τη στιγμή, επομένως δεν υπάρχει τρέχουσα τιμή. Διαθέσιμες εναλλακτικές λύσεις με τιμές παρατίθενται παρακάτω σε αυτήν τη σελίδα.

Πόσο γρήγορο είναι το Octo Base;

Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του Octo Base στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.

Πότε πρέπει να χρησιμοποιήσω το Octo Base;

Το Octo Base ανήκει στην κατηγορία Ρομποτική / VLA. Η σελίδα κατηγορίας παραθέτει τα άλλα μοντέλα αυτού του είδους με τις τιμές τους.

Όλα τα μοντέλα: Ρομποτική / VLA

Μπορεί το Octo Base να επεξεργαστεί εικόνες;

Ναι. Το Octo Base δέχεται εικόνες ως είσοδο εκτός από κείμενο.

Μπορώ να χρησιμοποιήσω το Octo Base τώρα;

Προς το παρόν μη διαθέσιμο. Η σελίδα παραμένει ενεργή· διαθέσιμες εναλλακτικές λύσεις από την ίδια κατηγορία παρατίθενται παρακάτω.

Όλα τα μοντέλα μέσω ενός API

Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.