谷歌打造最强机器人 AGI，动嘴就能操控 007_谷歌公司机器人

7月31日 消息:谷歌 DeepMind 推出全新的视觉 - 语言 - 动作模型（VLA），命名为 Robotic Transformer2(RT-2)。这个模型可以与机器人互动，通过学习网络和机器人数据，将知识转化为有效的指令。

RT-2是 RT-1的升级版，基于 Transformer 构建，具有更好的性能和泛化能力。RT-2还在一系列的定性和定量实验中展示出惊人的学习和理解能力，能够执行基本推理和多阶段的语义推理。通过与思维链推理结合，RT-2可以学习长期规划和低级技能，执行更复杂的命令。

研究人员观察到，与之前的基线模型相比，RT-2的泛化性能提高了3倍以上。RT-2的成功展示了视觉语言模型转化为视觉语言动作模型的潜力，为构建通用实体机器人提供了前景。

论文地址:https://robotics-transformer2.github.io/assets/rt2.pdf