# octo-base-1.5

> 权威词条地址：https://robotics.hellobike.com/models/rail-berkeley-octo-base-1-5
> 所属分类：models | 最近核验日期：2024-05-21 | 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-1.5"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/rail-berkeley/octo-base-1.5"}] |
| `updated` | 2024-05-21 |
| `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-1.5 |
| `hub_stats` | {"downloads": 207, "likes": 18, "as_of": "2026-10-21"} |

## 技术详解与生态说明

Octo Base 是一个用于机器人策略建模的 93M 参数 Transformer 模型，规模等同于 ViT-B。模型以窗口大小 2 进行训练，通过扩散策略预测未来 4 步的 7 维动作；图像先经轻量卷积编码器预处理，再分组为 16x16 patch，语言使用 T5 tokenizer，并经过 T5-Base 语言编码器。推理时可传入任意 observation 和 task key 的子集，历史窗口最多 2 个时间步。

模型训练数据来自 Open X-Embodiment dataset 的混合数据集，批次比例较高的来源包括 Fractal、Kuka、Bridge、BC-Z、Stanford Hydra Dataset 和 Language Table 等。1.5 版本将语言任务 token 在上下文窗口每个时间步重复，使用 GPT-3.5 对数据中的语言指令做改写增强，并修复了 diffusion head dropout、attention mask off-by-one、图像增强随机种子等问题。使用说明指向 octo-models/octo GitHub 仓库。

## 原始核验来源 (Sources)

- [Hugging Face rail-berkeley/octo-base-1.5](https://huggingface.co/rail-berkeley/octo-base-1.5)