已验证90% 置信事实精确时间

Google DeepMind的RT-2首次将视觉-语言模型直接用于生成机器人动作指令

11

来源数

90%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

Mistral发布Robostral Navigate：机器人导航基础模型详解

hackernewshackernews2026/7/8

相关事实

已验证DeepMind开发了VLA（视觉语言动作模型）系统，将机器人的物理动作与视觉token、语言token置于同等重要的位置处理79% 相似已验证Google DeepMind的SIMA项目训练了一个能够在多款3D游戏中执行自然语言指令的通用智能体77% 相似待验证RT-2是Google DeepMind的Robotics Transformer 2，与OpenVLA等大规模机器人基础模型需要覆盖多样化场景、包含精确空间信息和语义标注的真实世界数据76% 相似待验证Google DeepMind的RT系列模型和Meta的项目均在探索用世界模型替代或补充传统物理仿真器74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/460978

API

curl https://kongchang.com/api/v1/knowledge/claims/460978

MCP

get_claim(id=460978)