多様なロボットデータセットで事前学習された大規模なポリシーは、ロボット学習のあり方を変革する可能性を秘めている。新規にポリシーをゼロから訓練するのではなく、少数のドメイン内データを用いてこうした汎用的ロボットポリシーを微調整するだけで、広範なタスクに一般化できる。しかし、さまざまなロボット学習シナリオ、環境、タスクに広く適用可能とするためには、こうしたポリシーは多様なセンサーやアクション空間を扱える必要があり、一般的に用いられる多様なロボットプラットフォームに対応でき、新しいドメインへ容易かつ効率的に微調整可能であることが求められる。本研究では、ロボット操作に向けたオープンソースで広範に適用可能な汎用ポリシーの開発に向けた基盤を構築することを目的とする。第一段階として、これまでで最大規模となる80万件の軌道データを含むOpen X-Embodimentデータセットを用いて学習された、大規模なトランスフォーマー基盤のポリシー「Octo」を紹介する。Octoは自然言語による指示やゴール画像を通じて指令を受け付け、標準的なコンシューマー用GPU上で数時間以内に、新たなセンサ入力やアクション空間を備えたロボット構成へ効果的に微調整可能である。9種類の異なるロボットプラットフォームにおける実験を通じて、Octoが観測空間およびアクション空間が変化する新規環境へ効果的に微調整可能な汎用的なポリシー初期化として機能することを示した。さらに、モデルアーキテクチャから学習データに至るまで、Octoの設計選択に関する詳細なアブレーションスタディを実施し、今後の汎用ロボットモデル構築に関する研究を支援する指針を提供する。