# octo-base

> 权威词条地址：https://robotics.hellobike.com/models/rail-berkeley-octo-base
> 所属分类：models | 最近核验日期：2023-12-14 | 技术层级：L7, L8

## 核心摘要

rail-berkeley 在 Hugging Face 发布的机器人模型，基于 transformers。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/rail-berkeley/octo-base"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/rail-berkeley/octo-base"}] |
| `updated` | 2023-12-14 |
| `family` | vla |
| `params` | 93M |
| `architecture` | LeRobot / PyTorch Policy Network |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | mit |
| `weights_license` | mit |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | rail-berkeley/octo-base |
| `hub_stats` | {"downloads": 135, "likes": 26, "as_of": "2026-10-21"} |

## 技术详解与生态说明

Octo Base 是一个面向机器人动作预测的模型，使用窗口大小 2，在推理时可传入任意子集的 observation 和 task keys，历史窗口最多 2 个时间步。模型预测 7 维动作，并通过 diffusion policy 预测未来 4 步动作。

模型主体是 93M 参数的 Transformer，规模等同于 ViT-B。图像先经轻量卷积编码器预处理，再组织为 16x16 patches；语言先用 T5 tokenizer 分词，再经过 T5-Base language encoder 编码。训练数据来自 Open X-Embodiment 数据集的混合数据，批次比例覆盖 Fractal、Kuka、Bridge、BC-Z 等多个来源。

使用说明指向 octo-models/octo 的 GitHub 仓库。给定信息没有列出具体评测结果或许可证。

## 原始核验来源 (Sources)

- [Hugging Face rail-berkeley/octo-base](https://huggingface.co/rail-berkeley/octo-base)