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
Cyanpuppets
Cyanpuppets是一个专注于2D视频生成3D动作模型的AI算法团队。他们的无标记动作捕捉系统通过2个RGB摄像头完成超过208个关键点的捕捉，支...
Aide.dev
Aide是一个开源的AI原生集成开发环境(IDE)，它通过最新的agentic框架在swebench-lite上运行，能够提出代码修复建议或询问是否包...
FreeParser
FreeParser 是一款基于 AI 技术的文档解析工具，旨在通过先进的 OCR 和 LLM 技术帮助用户快速提取文档中的关键信息。它支持多种文件格...
AI Travel Selfies
itraveledthere.io是一个提供全球旅行照片的平台。您只需上传自己的照片，我们的人工智能将在世界各地生成逼真的旅行场景，以8K品质展示您。...
AIGUR
AIGUR是一款为团队提供生成式AI的产品。它提供了无代码编辑器，可以快速创建生成式AI流程，支持预定义模板和自定义配置。团队成员可以在无代码编辑器中...
digicartoony
将您的照片与Digicartoony一起转变为充满活力的艺术品！这种免费的在线AI工具结合了动漫，卡通和数字绘画的元素，以创建真正独特而引人注目的图像...
CSM 1B
CSM 1B 是一个基于 Llama 架构的语音生成模型，能够从文本和音频输入中生成 RVQ 音频代码。该模型主要应用于语音合成领域，具有高质量的语音...
uRace
uRace是一款将日常运动转化为游戏的移动应用，通过游戏化挑战激励用户参与跑步、骑行、游泳和徒步等运动。它不仅是一款健身追踪器，更是一种免费、有趣的方...
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。
