Modèles VLA
RT-2 (Robotic Transformer 2)
États-Unis
Le VLA fondateur : premier à démontrer que les connaissances vision-langage à l'échelle du web se transfèrent directement au contrôle robotique en traitant les actions comme des tokens de texte. Il a engendré l'initiative RT-X / Open X-Embodiment sur laquelle reposent la plupart des VLA ouverts ultérieurs. Artefact de recherche, jamais publié en poids ni en produit.
OrganisationGoogle DeepMind
PaysUS
Sortie2023-07
Params (Mds)55
Poids ouvertsnon
ArchitectureVLA co-fine-tuned from web-scale VLMs (PaLI-X 55B and PaLM-E 12B variants); robot actions emitted as text tokens
Modalitésvision, language, action
Incarnationsmanipulator, mobile
Données d'entraînementInternet-scale vision-language data co-fine-tuned with RT-1 robot demonstrations (collected with 13 robots over 17 months)
Sources : Google DeepMind (2023-07-28)arXiv (2023-07-28)InfoQ (2023-10-01)
← Retour au comparateur · Modèles VLA