Glossary पर वापस जाएं
RT-2
रोबोटिक्स ट्रांसफॉर्मर 2 — Google DeepMind का एक VLA मॉडल जो एक बड़े विजन-लैंग्वेज मॉडल (PaLI-X या PaLM-E) को फाइन-ट्यून करता है ताकि रोबोट एक्शन को टेक्स्ट टोकन के रूप में आउटपुट किया जा सके। RT-2 प्रदर्शित करता है कि इंटरनेट-स्केल प्री-ट्रेनिंग रोबोट को नई भाषा निर्देशों का पालन करने और अदेखे ऑब्जेक्ट और परिदृश्यों को सामान्यीकृत करने में सक्षम बनाती है। यह रोबोट एक्शन प्रेडिक्शन को विजन-लैंग्वेज मॉडलिंग समस्या के रूप में मानने के प्रतिमान का प्रतिनिधित्व करता है।