← 视觉 · 语言 · 动作 / 动作分布与效率

正式发表 / Vision–Language–Action

RDT-1B

RDT-1B: a Diffusion Foundation Model for Bimanual Manipulation

ICLR · 2025CCF A

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
统一动作空间与机器人扩散 TransformerRDT-1B · 原文 Fig. 3 · p.4 ↗

用统一动作空间组织多机器人数据,以语言与多视角图像条件训练扩散 Transformer,再适配双臂操作。

  1. 01对齐多机器人动作空间
  2. 02条件扩散预训练
  3. 03双臂数据微调
RDT-1B统一动作空间与机器人扩散 Transformer
统一动作空间与机器人扩散 Transformer

用统一动作空间组织多机器人数据,以语言与多视角图像条件训练扩散 Transformer,再适配双臂操作。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

用统一动作空间组织多机器人数据,以语言与多视角图像条件训练扩散 Transformer,再适配双臂操作。

WHY READ IT

为什么放在这条路线

补充以双臂操作为目标的动作基础模型,与 π0 的流匹配和 OpenVLA-OFT 的回归目标对照。

当前阶段动作分布与效率 ↗

能量、量化、扩散与流匹配如何生成动作?

READ WITH A QUESTION

读的时候,留意什么

多机器人预训练用于改善双臂策略;论文并未因此证明一个模型可直接控制所有机器人。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器