VLA 模型仅论文

RT-2

Google DeepMind英国

又称 Robotic Transformer 2、RT-2-PaLI-X、RT-2-PaLM-E

返回项目库
类别
VLA 模型
开放程度
仅论文
发布时间
2023 年 7 月 28 日
发布方所在地
英国

项目简介

Google DeepMind 提出的视觉-语言-动作模型。把机器人动作写成文本 token,在网络视觉语言数据和机器人轨迹上联合微调预训练视觉语言模型,让同一个模型既能回答视觉问题,也能输出机械臂末端位移和夹爪指令,并能用思维链做多步推理。有基于 PaLI-X 和 PaLM-E 的版本,机器人数据来自 RT-1。只有论文,没有放出代码和权重。

规模
RT-2-PaLI-X 5B / 55B 参数,RT-2-PaLM-E 12B 参数

适配机器人

  • 7DoF mobile manipulator
  • Language-Table

获取方式

相关概念

数据来源

本页信息均整理自以下公开资料。

3 条来源核验于 2026-10-01

星标、下载量等指标定期自动更新。

RT-2:VLA 模型介绍、开源协议与资源链接 | 具身集