RT - 轨迹：通过事后轨迹草图实现机器人任务的泛化

该文介绍了一种名为视觉语言行动模型（VLA）的机器人控制模型，通过在互联网规模的数据上训练视觉语言模型，将其直接融入端到端的机器人控制中，提高泛化能力和实现新兴的语义推理。该模型可以对新对象进行泛化，解释不在机器人训练数据中的命令，并对用户指令做出初步推理。同时，该模型还可以进行多阶段的语义推理。