待验证50% 置信事实精确时间
Google DeepMind的RT-2（2023年）将连续的末端执行器位姿和夹爪开合量量化为256个离散区间，附加到视觉-语言模型PaLI-X和PaLM-E的输出词汇表中
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
Vizuara机器人学习课程笔记获取指南与免费资源推荐
redditr/deeplearning2026/7/12
相关事实
待验证2022年DeepMind发布了TALM，Meta发布了Toolformer，探索让模型自主决定何时调用外部API，但依赖微调67% 相似已验证Google DeepMind的RT-2首次将视觉-语言模型直接用于生成机器人动作指令67% 相似待验证DeepMind推出Auto-RT项目，将大语言模型与机器人控制模型RT-2结合，用LLM作为任务规划层将自然语言指令分解为底层动作序列66% 相似待验证早在2022年，DeepMind的RLAM和Meta的ToolFormer论文就已论证了语言模型自主调用外部工具的可行性65% 相似待验证Google DeepMind的SIMA项目训练了一个能够在多款3D游戏中执行自然语言指令的通用智能体64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/506760API
curl https://kongchang.com/api/v1/knowledge/claims/506760MCP
get_claim(id=506760)