模型

RT-2

Google DeepMind 视觉-语言-动作模型，将 VLM 与机器人控制统一为 token 预测。

返回列表
模型

主体信息

Google DeepMind 视觉-语言-动作模型，将 VLM 与机器人控制统一为 token 预测。

相关论文

RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control

RT-2 把视觉语言模型迁移到机器人控制，实现 VLA 统一架构。