← 视觉 · 语言 · 动作 / 动作分布与效率统一动作空间与机器人扩散 TransformerRDT-1B · 原文 Fig. 3 · p.4 ↗
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
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。
- 01对齐多机器人动作空间
- 02条件扩散预训练
- 03双臂数据微调
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。
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