Openpi Comet: Soluzione Competitiva per la BEHAVIOR Challenge 2025
Openpi Comet: Competition Solution For 2025 BEHAVIOR Challenge
December 10, 2025
Autori: 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
Abstract
La BEHAVIOR Challenge 2025 è concepita per monitorare rigorosamente i progressi nella risoluzione di compiti a lungo termine da parte di agenti fisici in ambienti simulati. BEHAVIOR-1K si concentra sulle attività domestiche quotidiane per le quali le persone desiderano maggiormente l'assistenza dei robot; questi compiti presentano sfide di manipolazione mobile a lungo orizzonte in contesti realistici, colmando il divario tra la ricerca attuale e le applicazioni reali incentrate sull'uomo. Questo rapporto presenta la nostra soluzione per la BEHAVIOR Challenge 2025, che si è classificata al 2º posto per un soffio e ha superato sostanzialmente tutte le altre proposte. Basandoci su π_{0.5}, ci siamo concentrati sulla costruzione sistematica della nostra soluzione studiando gli effetti delle tecniche di addestramento e dei dati. Attraverso attente ablazioni, dimostriamo il potere di scalabilità nelle fasi di pre-addestramento e post-addestramento per ottenere prestazioni competitive. Riassumiamo le lezioni pratiche e le raccomandazioni progettuali che speriamo possano offrire spunti operativi alla più ampia comunità dell'AI incarnata quando si adattano potenti modelli di base a scenari incarnati complessi.
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.