RT-2：把网络知识转成机器人动作

这份资料告诉我们什么？

RT-2 将视觉语言模型与机器人控制数据结合，以视觉—语言—动作模型实现指令到动作的转换；团队进行了超过 6,000 次机器人试验。

应该怎样理解它？

视觉语言模型开始连接机器人动作。泛化能力、设备成本、操作安全和真实工况，决定它离规模部署还有多远。

接下来值得追踪

实验室中的一次成功，不等于开放环境里持续、低成本且安全的运行。

后续收录应优先寻找独立复现、真实部署和长期结果，并与当前资料的任务和条件逐项比较。