Openpi Comet : Solution de compétition pour le 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
Le Défi BEHAVIOR 2025 est conçu pour suivre rigoureusement les progrès accomplis dans la résolution de tâches à long horizon par des agents physiques dans des environnements simulés. BEHAVIOR-1K se concentre sur les tâches domestiques quotidiennes pour lesquelles les personnes souhaitent le plus une assistance robotique. Ces tâches introduisent des défis de manipulation mobile à long horizon dans des cadres réalistes, comblant ainsi le fossé entre la recherche actuelle et les applications réelles centrées sur l'humain. Ce rapport présente notre solution pour le Défi BEHAVIOR 2025, qui s'est classée à une très proche 2ème place et surpasse substantiellement les autres soumissions. En nous appuyant sur π_{0.5}, nous nous concentrons sur la construction systématique de notre solution en étudiant les effets des techniques d'entraînement et des données. Par des ablations minutieuses, nous démontrons le potentiel de mise à l'échelle lors des phases de pré-entraînement et de post-entraînement pour obtenir des performances compétitives. Nous résumons nos enseignements pratiques et nos recommandations de conception, que nous espérons fourniront des perspectives actionnables à la communauté plus large de l'IA incarnée pour l'adaptation de modèles de fondation puissants à des scénarios incarnés complexes.
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.