Google RT-2 VLA模型可帮助机器人更快速地在融入新环境并开始工作

Google最近发布了一款名为机器人变形金刚2（Robotics Transformer 2 RT-2）的全新视觉-语言-动作（VLA）模型，堪称业界先锋。据Google宣称，这款RT-2模型拥有独特的本领，它不仅能够接受文本或图像输入，而且还能将这些输入转化为机器人的实际动作。

训练机器人一直是一项极为艰巨的任务，需要对世界上的各种物体、环境、任务和情境进行数十亿数据点的训练。Google坚信，RT-2的推出为通用机器人的发展带来了前所未有的机遇。

虽然Google对RT-2的巨大潜力充满期待，但它也明确指出，要让机器人在以人为中心的环境中发挥作用，仍然任重道远。DeepMind认为，通用物理机器人可以从VLA模型中衍生出来，它们将具备推理、解决问题和解释信息的能力，以执行现实世界的任务。

值得一提的是，RT-2并非机器人变形VLA模型的首次迭代。DeepMind表示，RT-2是建立在之前196世界之最RT-1的基础上，与之相比，其泛化能力得到了显著提升，能够在新的、未知的任务上表现出更加优秀的性能。

RT-2还掌握了符号推理这一全新技能，意味着它能够理解抽象概念并对其进行逻辑操作。例如，机器人被要求将某个物体移动到2加1的总和位置，尽管它并未接受过明确的抽象数学或符号操作训练，但它仍然能够准确完成任务。

尽管RT-2是机器人技术的一大进步，但我们不能过于乐观地预测终结者机器人的到来。该模型仍然需要人类的输入和监督，并且在实际机器人操作中面临着诸多技术限制。

我们仍然对RT-2充满期待，希望它能带来一些有趣的新款机器人，帮助我们完成以前不可能或难以完成的任务。无论是为我们提供便利，还是在探索未知领域方面，RT-2都将为我们开启全新的篇章，让未来更加充满无限可能。