정책의 출발점
새 조작을 배울 때 항상 처음부터 학습하는 대신 여러 경험으로 준비한 정책을 출발점으로 삼는다. Octo는 적은 도메인 자료로 이런 정책을 조정하는 공개 연구 기반을 지향한다.
달라지는 입력과 출력
로봇이 바뀌면 센서 입력이나 명령의 차원이 달라질 수 있다. Octo는 새로운 관측과 행동 공간에 미세 조정할 수 있도록 구성하고 이 전이를 평가했다.
목표 조건
사용자는 자연어 명령이나 목표 이미지로 수행할 일을 지정할 수 있다. 목표를 표현하는 방식과 실제 로봇의 제어 명령을 연결하는 정책이라는 점이 일반 언어 모델과 다르다.
적응 비용의 해석
연구는 소비자용 GPU에서 수 시간 내 미세 조정한 사례를 제시했다. 소요 시간은 구성과 자료에 따른 결과이며, 아무 준비 없이 모든 로봇에서 즉시 실행된다는 의미는 아니다.
관련 문서
Open X-Embodiment / BridgeData V2 / DROID 로봇 데이터셋 / 전이 학습 / 모방 학습 / OpenVLA