上一篇
Veo 2是什么？一文让你看懂Veo 2的技术原理、主要功能、应用场景
RDT是什么？一文让你看懂RDT的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
RDT概述简介
RDT（Robotics Diffusion Transformer）是清华大学AI研究院TSAIL团队推出的全球最大的双臂机器人操作任务扩散基础模型。RDT具备十亿参数量，能在无需人类操控的情况下，自主完成复杂任务，如调酒和遛狗。RDT基于模仿学习人类动作，展现出强大的泛化能力和操作精度，能处理未见过的物体和场景。清华团队已将RDT的代码、模型和训练数据集开源，推动机器人技术的发展和应用。
RDT的功能特色
双臂协调操作：指挥机器人的双臂协同工作，完成复杂的物理任务，例如调酒和遛狗。
自主任务执行：无需人类直接操控，自主完成之前未见过的全新任务。
高精确度操作：RDT能进行精确的操作，如控制机器狗走直线，需要极高的操作精度。
语言指令理解：理解并遵循人类的自然语言指令，执行相应的动作。
少样本学习：RDT具有强大的学习能力，只需少量演示能学会新技能。
RDT的技术原理
多模态输入编码：RDT结合语言、视觉和动作三种模态，基于不同的编码方式处理输入。
动作编码：具有傅里叶特征的多层感知机（MLP）。
图片编码：基于经过对齐的SigLIP。
语言编码：使用T5-XXL语言大模型。
Transformer骨干网络：RDT采用Transformer作为骨干网络，针对机器人操作进行关键修改。
QKNorm和RMSNorm：缓解传感器失灵导致的极端值问题。
非线性MLP解码器：增强对非线性动力学的近似能力。
交替注入：平衡图像和文本模态，防止信息淹没。
预训练与微调：RDT在大规模的具身数据集上进行预训练，获得泛化性，基于高质量的双臂微调数据集进行微调，增强双臂操作能力。
统一动作空间：构建统一的动作空间统一不同机器人数据的格式，让模型从不同数据中学习共享的物理规律。
泛化性和操作精度测试：设计挑战性任务，评估RDT的泛化能力和操作精度，确保在实际应用中的有效性。
RDT项目介绍
项目官网：rdt-robotics.github.io/rdt-robotics
GitHub仓库：https://github.com/thu-ml/RoboticsDiffusionTransformer
HuggingFace模型库：https://huggingface.co/robotics-diffusion-transformer/rdt-1b
arXiv技术论文：https://arxiv.org/pdf/2410.07864
RDT能做什么？
餐饮服务：用在自动化调酒、烹饪和上菜等任务，提高餐饮服务业的效率和创新性。
家庭助理：在家庭环境中，执行清洁、整理、洗衣等家务任务，还能照顾宠物，如遛狗。
医疗辅助：辅助医护人员进行一些常规的护理工作，比如分发药物、搬运医疗设备等。
工业自动化：在制造业中，用在精密的装配工作、质量检测及物料搬运等任务。
灾难救援：在灾难现场执行搜索和救援任务，尤其是在人类难以到达或者危险的环境中。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Trigger.dev Realtime
Trigger.dev Realtime是一个提供实时任务进度更新的平台，允许用户从前端或后端订阅任务运行状态，并实时接收更新。这项技术的重要性在于它...
SEOmatic
SEOmatic是一种无代码工具，可自动化和扩展您的内容创作。它允许您进行程序化SEO，帮助您提升流量和排名。SEOmatic提供丰富的功能，包括关键...
enum smart ai assistant
用Enum -Smart AI助手获得终极优势。毫不费力地安装Crisp插件，并询问有关您数据的无限问题。 Enum Advanced Technol...
Scribble To Art
ScribbleToArt是一款使用人工智能将草图转化为各种风格的惊艳艺术品的应用程序！无论是直接在应用程序中绘制还是上传现有的草图，我们的应用程序都...
NUWA-Infinity
NUWA-Infinity是微软推出的一个艺术作品生成平台，它能够创作西方油画、自然风景、抽象艺术等多种风格的艺术作品。该平台支持文本到图像、图像到视...
PDF-Extract-Kit
PDF-Extract-Kit是一个专门用于提取PDF文件中高质量内容的工具包。它通过多个组件实现对PDF文档的深度解析，包括版面检测、公式检测、公式...
Qwen2.5-Coder-3B-Instruct
Qwen2.5-Coder是Qwen大型语言模型的最新系列，专注于代码生成、代码推理和代码修复。基于强大的Qwen2.5，该系列模型通过增加训练令牌至...
CopyWeb
CopyWeb 是一款创新的 AI 驱动的网页设计转换工具，能够将网页设计截图、网站 URL 或 Figma 设计直接转换为生产就绪的代码。它通过智能...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
