Voltar para Glossary
RT-2
Robotics Transformer 2 — um modelo VLA do Google DeepMind que ajusta finamente um grande modelo de visão-linguagem (PaLI-X ou PaLM-E) para produzir ações de robô como tokens de texto. RT-2 demonstra que o pré-treinamento em escala de internet permite que robôs sigam instruções de linguagem natural e generalizem para objetos e cenários não vistos. Representa o paradigma de tratar a predição de ação de robô como um problema de modelagem de visão-linguagem.