待验证50% 置信事实精确时间
谷歌的RT-2证明了视觉-语言模型可以直接输出机器人动作指令
1
来源数
50%
置信度
长期有效
时效性
2026/9/1
首次发现
来源
涉及实体
相关事实
待验证将大语言模型接入机器人的典型范式包括Google的SayCan（用LLM分解任务后调用底层运动原语）和RT-2（端到端生成控制指令）77% 相似待验证Google DeepMind的RT-2（2023年）将机器人动作词元化为离散token，附加到视觉-语言模型PaLI-X和PaLM-E的输出词汇表中，展现出零样本泛化能力76% 相似待验证Google于2023年发布RT-2等视觉-语言-动作模型（VLA），将感知、语义理解与操作策略统一在同一Transformer框架中71% 相似待验证Google DeepMind于2023年发布的RT-2首次验证了在550亿参数的视觉语言模型上微调机器人控制的可行性，其泛化能力相比前代提升近一倍71% 相似待验证学术界正探索基础模型在机器人领域的应用，如Google DeepMind的RT-2和斯坦福的Open X-Embodiment项目68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/839177API
curl https://kongchang.com/api/v1/knowledge/claims/839177MCP
get_claim(id=839177)