谷歌 DeepMind 发布 Robotic Transformer2（RT-2）：突破视觉-语言-动作模型的新里程碑-山海云端论坛

谷歌旗下的 DeepMind 公司近日发布了全新的视觉-语言-动作模型（VLA），命名为 Robotic Transformer2（RT-2）。该模型能够与机器人进行互动，通过学习网络和机器人数据，将知识转化为高效的指令。

RT-2是 RT-1 模型的升级版，采用了 Transformer 结构构建，具备更卓越的性能和泛化能力。在一系列的定性和定量实验中，RT-2 展现出出色的学习和理解能力，能够进行基本的推理和多阶段的语义推理。通过与思维链推理相融合，RT-2 能够学习长期规划和低级技能，执行更为复杂的指令。

研究人员观察到，与之前的基准模型相比，RT-2 的泛化性能提升了3倍以上。RT-2 的成功突显了将视觉语言模型转化为视觉语言动作模型的潜力，为构建通用实体机器人铺平了道路。

论文链接：https://robotics-transformer2.github.io/assets/rt2.pdf

版权声明 1 本网站名称：山海云端-专注于PHP与网络安全
2 本站永久网址：www.shserve.cn
3 本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长 QQ1790643379进行删除处理。
4 本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5 本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6 本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。

THE END