待验证50% 置信事实精确时间
Google DeepMind的RT-2（2023年）将机器人动作词元化为离散token，附加到视觉-语言模型PaLI-X和PaLM-E的输出词汇表中，展现出零样本泛化能力
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
Vizuara机器人学习课程笔记获取指南与免费资源推荐
redditr/deeplearning2026/7/12
相关事实
待验证Google DeepMind于2023年发布的RT-2首次验证了在550亿参数的视觉语言模型上微调机器人控制的可行性，其泛化能力相比前代提升近一倍79% 相似待验证将大语言模型接入机器人的典型范式包括Google的SayCan（用LLM分解任务后调用底层运动原语）和RT-2（端到端生成控制指令）70% 相似待验证学术界正探索基础模型在机器人领域的应用，如Google DeepMind的RT-2和斯坦福的Open X-Embodiment项目69% 相似待验证Google DeepMind 的 RT-2 和 Figure AI 等机器人项目为收集人类行为数据投入了巨额成本68% 相似待验证Google DeepMind提出了ReAct（Reasoning + Acting）代理循环模式67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503254API
curl https://kongchang.com/api/v1/knowledge/claims/503254MCP
get_claim(id=503254)