RT-2: 视觉-语言-动作模型在机器人控制中的迁移
RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
2023-07-28|CoRL 2023
VLMVLA控制
Google DeepMind提出RT-2，将大规模VLM直接微调为机器人动作策略模型（VLA），展示了互联网知识向具身智能迁移的可行性。
arXiv
AutoDrive AI 知识库是一个面向自动驾驶 AI 工程师与研究者的垂直论文索引平台。我们持续追踪端到端自动驾驶、视觉语言模型（VLM）、视觉语言动作模型（VLA）、世界模型、自动标注、3D 感知、BEV 感知、运动规划等核心方向的前沿研究，并提供中文解读与工程评注。
每篇论文均附带多维度标签分类（研究方向、技术范式、数据模态、应用场景、关联公司、论文类型），帮助你快速定位与筛选目标文献。无论你在调研最新的端到端架构、寻找可复现的开源实现，还是关注 Waymo、Tesla、华为等企业的技术动态，这里都是你的起点。
订阅周报，获取每周精选论文解读