大規模で多様なタスクに依存しないデータセットから得た知識を転移することで、現代の機械学習モデルは、ゼロショットまたは小規模なタスク固有データセットを用いても、高い性能で特定の下流タスクを解決することが可能である。この能力は、コンピュータビジョンや自然言語処理、音声認識などの分野で実証されているが、ロボティクス分野ではまだ十分に検証されていない。特に、現実世界のロボットデータの収集が困難であるため、モデルの一般化能力が極めて重要となる点がロボティクスの特徴である。本研究では、このような汎用的ロボットモデルの成功の鍵は、開放的かつタスクに依存しない学習と、多様なロボットデータをすべて吸収可能な高容量アーキテクチャの組み合わせにあると考える。本論文では、有望なスケーラビリティを持つモデルクラス「Robotics Transformer」を提案する。我々は、実ロボットが現実世界のタスクを実行する大規模データ収集に基づき、モデルクラスの違い、データサイズ、モデルサイズ、データの多様性を変数として、一般化能力を評価する実験を通じて、その結論を検証している。プロジェクトのウェブサイトおよび動画は、robotics-transformer1.github.io にて公開されている。