RDT-1B：用于双手操作的扩散基础模型
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了双手操作中机器人手臂协调的复杂性以及训练数据不足的问题。提出了机器人扩散变换器（RDT），这是一个创新的扩散基础模型，能够有效表示多模态，并创建了统一的物理可解释动作空间以解决数据稀缺。实验表明，RDT在各种复杂任务中表现显著优于现有方法，具备零-shot泛化能力，能够理解语言指令，且仅需少量示例学习新技能。
我们提出了一种名为ManiCM的实时机器人操作模型，通过一致性约束实现一步推理。该模型在动作空间中进行一致的扩散和降噪，使用一致性蒸馏技术直接预测动作。在Adroit和Metaworld的31个任务中，ManiCM推理速度提高了10倍，成功率保持竞争力。
