Octo模型通过多样化的机器人数据集训练策略，增强了机器人的泛化能力。与以往模型不同，Octo支持灵活微调，用户可根据新任务调整输入输出，且完全开源。其架构包括输入Tokenizers、Transformer骨干和动作头，能有效处理多种任务和数据。

本研究开发了一个基于大型变换器模型的策略Octo，通过预训练泛化策略，可在几小时内对新传感输入和行为空间进行有效微调。这为机器人操控领域的泛化机器人模型研究提供了经验指导。