待验证70% 置信事实精确时间
RT-2（Robotics Transformer 2）直接用视觉-语言模型端到端生成机器人控制指令
2
来源数
70%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
已验证RT-2首次证明了VLA架构的可行性，通过将机器人动作离散化为token，让视觉语言模型直接输出动作序列69% 相似已验证VLA将预训练的视觉-语言模型与机器人动作策略直接对接，使机器人能够将自然语言指令、摄像头图像与低级运动控制统一处理67% 相似待验证Transformer以自注意力（Self-Attention）机制为核心，由编码器和解码器两部分组成，能够并行处理序列中所有位置的信息63% 相似待验证建议的Transformer学习路径为：先用交互式注意力可视化工具建立直觉，再借助逐层动画教程理解架构，最后结合代码实现对应张量运算63% 相似待验证Figure的机器人和Tesla的Optimus正在分拣与简单装配等任务上测试，使用视觉-语言-动作模型将摄像头画面与语音指令映射为动作序列。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/586701API
curl https://kongchang.com/api/v1/knowledge/claims/586701MCP
get_claim(id=586701)