Openpi Comet: Решение для конкурса BEHAVIOR Challenge 2025
Openpi Comet: Competition Solution For 2025 BEHAVIOR Challenge
December 10, 2025
Авторы: 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
Аннотация
Конкурс BEHAVIOR 2025 года разработан для строгого отслеживания прогресса в решении долгосрочных задач физическими агентами в симулированных средах. BEHAVIOR-1K фокусируется на повседневных домашних задачах, с которыми люди больше всего хотят получить помощь от роботов. Эти задачи представляют собой проблемы мобильного манипулирования с длинным горизонтом планирования в реалистичных условиях, сокращая разрыв между текущими исследованиями и реальными приложениями, ориентированными на человека. В данном отчете представлено наше решение для конкурса BEHAVIOR 2025, занявшее очень близкое 2-е место и значительно превзошедшее остальные представленные работы. Основываясь на архитектуре π_{0.5}, мы сосредоточились на систематическом построении нашего решения путем изучения эффектов методов обучения и данных. С помощью тщательного абляционного анализа мы демонстрируем потенциал масштабирования на этапах предварительного и последующего обучения для достижения конкурентоспособной производительности. Мы обобщаем наши практические выводы и рекомендации по проектированию, которые, как мы надеемся, предоставят полезные идеи для более широкого сообщества воплощенного ИИ при адаптации мощных базовых моделей к сложным воплощенным сценариям.
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.