待验证50% 置信事实精确时间
在机器人领域，Transformer被用于建模动作序列，如RT-2、Octo，使机器人能通过学习大规模演示数据执行复杂操作任务
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/6
首次发现
有效期至：2026/11/4
来源
相关事实
待验证Decision Transformer等Transformer架构的引入为处理超长时序依赖提供了新工具69% 相似部分验证The Transformer's core innovation is the self-attention mechanism, which allows models to attend to all positions in the input simultaneously rather than processing step-by-step like RNNs or LSTMs68% 相似待验证DETR将Transformer引入目标检测，Swin Transformer通过层次化设计提高了效率，Segment Anything Model（SAM）展示了Transformer在分割任务中的泛化能力68% 相似已验证Set Transformer基于自注意力机制建模行向量交互，通过去掉位置编码保持排列不变性67% 相似待验证ACT（Action Chunking with Transformers）和Diffusion Policy等现代机器人策略依赖动作分块（action chunking）技术67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/698962API
curl https://kongchang.com/api/v1/knowledge/claims/698962MCP
get_claim(id=698962)