← 视觉 · 语言 · 动作 / 多任务与跨本体可扩展输入输出的通用机器人策略Octo · 原文 Fig. 2 · p.3 ↗
正式发表 / Vision–Language–Action
Octo
Octo: An Open-Source Generalist Robot Policy
RSS · 2024
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
任务与观测分别 token 化,Transformer 的读出 token 接动作头;块状注意力允许微调时增加传感器或动作空间。
- 01编码任务与观测
- 02块状注意力聚合
- 03扩散动作头输出动作块
THE IDEA
它在解决什么
构建可适配不同观测与动作空间的开放通用机器人策略。
WHY READ IT
为什么放在这条路线
开放训练和适配路线的重要参照,帮助把模型结构与数据贡献分开。
READ WITH A QUESTION
读的时候,留意什么
通用机器人策略不都以大语言模型为核心,阅读时不要把 Octo 与所有 VLA 等同。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器