RVT: Robotic View Transformer for 6-DoF Pick-and-Place

RVT（Robotic View Transformer）是斯坦福大学提出的六自由度拾取放置操作策略模型，采用Transformer架构对多视角观测进行建模，直接输出SE(3)位姿和开合程度。该方法在RLBench和真实UR5e机器人上验证，在超过20个操作任务上达到SOTA性能，同时具备快速收敛和高数据效率的特点。适用于桌面级机械臂通用操作、工业分拣和仓储物流抓取场景，发表于CoRL 2024。