Google视觉机器人超级汇总：从RT、RT-2到AutoRT/SARA-RT/RT-Trajectory、RT-H
💡
原文中文，约6700字，阅读约需16分钟。
📝
内容提要
谷歌在机器人领域取得重大进展，推出了RT-2模型，具备符号理解、推理和人类识别能力。AutoRT、SARA-RT和RT-Trajectory等研究成果能够提高机器人的决策速度、环境理解和任务完成能力。
🎯
关键要点
- 谷歌推出了RT-2模型，具备符号理解、推理和人类识别能力。
- RT-2是全球第一个控制机器人的视觉-语言-动作(VLA)模型。
- RT-2的核心优势在于符号理解、推理和人类识别。
- Q-Transformer使机器人能够依靠自主思考积累经验，减少对高质量演示数据的依赖。
- Open X-Embodiment数据集改变了机器人模型定制的方法，创造了训练通用机器人的新思路。
- AutoRT通过开放词汇表对象检测器收集数据，帮助机器人更快决策和理解环境。
- SARA-RT提高了机器人Transformer模型的效率，速度快14%，精确度高10.6%。
- SARA-RT采用新颖的模型微调方法，降低计算要求，提高决策速度。
- RT-Trajectory通过解释具体的机器人动作，帮助机器人更好地泛化到新任务。
- RT-Trajectory模型在未见任务测试中表现优于现有模型，成功率达到63%。
➡️
