Openpi Comet: Wettbewerbslösung für den BEHAVIOR Challenge 2025
Openpi Comet: Competition Solution For 2025 BEHAVIOR Challenge
December 10, 2025
papers.authors: Junjie Bai, Yu-Wei Chao, Qizhi Chen, Jinwei Gu, Moo Jin Kim, Zhaoshuo Li, Xuan Li, Tsung-Yi Lin, Ming-Yu Liu, Nic Ma, Kaichun Mo, Delin Qu, Shangkun Sun, Hongchi Xia, Fangyin Wei, Xiaohui Zeng
cs.AI
papers.abstract
Der BEHAVIOR-Challenge 2025 wurde konzipiert, um den Fortschritt bei der Lösung langfristiger Aufgaben durch physische Agenten in simulierten Umgebungen rigoros zu verfolgen. BEHAVIOR-1K konzentriert sich auf alltägliche Haushaltsaufgaben, bei denen Menschen sich am meisten Roboterunterstützung wünschen. Diese Aufgaben stellen langfristige Herausforderungen der mobilen Manipulation in realistischen Umgebungen dar und überbrücken so die Lücke zwischen aktueller Forschung und realen, menschenzentrierten Anwendungen. Dieser Bericht stellt unsere Lösung für den BEHAVIOR-Challenge 2025 vor, mit der wir einen knappen zweiten Platz belegten und die übrigen Einreichungen deutlich übertrafen. Aufbauend auf π_{0,5} konzentrieren wir uns darauf, unsere Lösung systematisch durch die Untersuchung der Auswirkungen von Trainingstechniken und Daten aufzubauen. Durch sorgfältige Ablationen demonstrieren wir die Skalierbarkeit in Pre-Training- und Post-Training-Phasen für wettbewerbsfähige Leistung. Wir fassen unsere praktischen Erkenntnisse und Gestaltungsempfehlungen zusammen, von denen wir hoffen, dass sie der breiteren Community der embodied KI umsetzbare Einsichten bieten, wenn leistungsstarke Foundation-Modelle an komplexe embodied Szenarien angepasst werden.
English
The 2025 BEHAVIOR Challenge is designed to rigorously track progress toward solving long-horizon tasks by physical agents in simulated environments. BEHAVIOR-1K focuses on everyday household tasks that people most want robots to assist with and these tasks introduce long-horizon mobile manipulation challenges in realistic settings, bridging the gap between current research and real-world, human-centric applications. This report presents our solution to the 2025 BEHAVIOR Challenge in a very close 2nd place and substantially outperforms the rest of the submissions. Building on π_{0.5}, we focus on systematically building our solution by studying the effects of training techniques and data. Through careful ablations, we show the scaling power in pre-training and post-training phases for competitive performance. We summarize our practical lessons and design recommendations that we hope will provide actionable insights for the broader embodied AI community when adapting powerful foundation models to complex embodied scenarios.