Octo Base

Роботика / VLAНедоступно
од OtherID модела: octo-base

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

Статус
Недоступно
Унос → излаз
Текст + Слика → Робот акције
Програмер
Other
Ажурирано
23. септембар 2026.

Octo Base је тренутно недоступан

Можеш и даље читати детаље на овој страници. Изабери једну од доступних алтернатива испод да одмах покренеш упоредив модел.

01

Плејграунд

Octo Base

Истраживачки модел

Тренутно недоступно

Octo Base је роботички модел (vision-language-action) и не може се покренути кроз railwail API.

02

О Octo Base

УкраткоСтање: 23. септембар 2026.

Octo Base је модел од Other из категорије Роботика / VLA. Octo Base тренутно није доступан на Railwail-у.

Позадина

О UC Berkeley / Stanford (Octo Model Team)

Основано 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.

Посетите UC Berkeley / Stanford (Octo Model Team)

Архитектура

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.

Параметри
93M

Могућности

  • 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.

Обука и лиценца

~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.

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

Тестирање безбедности: 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.

Позната ограничења

  • 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

Цене

Тренутно недоступно. За овај модел тренутно нема цене, па се не може покренути.

04

API

Позови Octo Base са твојим Railwail API кључем. Користи овај ID модела у захтеву:

Није доступно преко API-ја

Модели робототехнике раде на робот хардверу, не преко railwail API-ја.

05

Спецификације

ID модела
octo-base
Програмер
Other
Категорија
Роботика / VLA
Унос
Текст, Слика
Излаз
Робот акције
Величина модела
93M
Лиценца
Apache-2.0 - fully open weights, code, and dataset references. Research-friendly; commercial use permitted under the licence.
Унос у каталог ажуриран
23. септембар 2026.

Ознаке

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

Области примене

За шта се користи

  • 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

Често постављана питања

Шта је Octo Base?

Octo Base је модел од Other у категорији Роботика / VLA. Наведен је на Railwail-у, али се тренутно не може покренути.

Колико кошта Octo Base на Railwail-у?

Octo Base се тренутно не може покренути на Railwail-у, па нема тренутне цене. Доступне алтернативе са ценама су наведене даље на овој страници.

Колико је брз Octo Base?

За Octo Base на Railwail-у још нема довољно измерених покретања да би се наводило време извршавања. Зависи од уноса, поставки и оптерећења код пружаоца услуге.

Када да користим Octo Base?

Octo Base припада категорији Роботика / VLA. Страница категорије наводи остале моделе ове врсте са њиховим ценама.

Сви модели: Роботика / VLA

Може ли Octo Base обрадити слике?

Да. Octo Base прихвата слике као унос поред текста.

Могу ли да користим Octo Base управо сада?

Тренутно недоступно. Страница остаје активна; доступне алтернативе из исте категорије су наведене даље.

Сви модели преко једног API-ја

Један API кључ за сваки модел на Railwail. Употреба се наплаћује из унапред припремљених кредита, 1 кредит = 0,01 US$.