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
Takomo
Takomo.ai是一款无代码AI模型构建工具，通过拖拽和连接预训练的机器学习模型，快速生成适用于各种场景的API。它具有灵活性、可定制性和可扩展性，...
Bolt.new Chrome Extension
Bolt.new Chrome Extension 是一款专为开发者设计的Chrome浏览器插件，旨在通过无缝集成和即时访问代码片段来提升开发效率。它...
multi-agent-concierge
multi-agent-concierge是一个多代理礼宾系统，它通过多个专门的代理来完成复杂的任务，并通过一个“礼宾”代理来引导用户到正确的代理。这...
Speechnotes
Speechnotes是一个可靠和安全的基于网络的语音转文字工具，可以快速准确地转录音频和视频录音，以及代替键入进行口述笔记，节省您的时间和精力。Sp...
Let's Finally Meet!
Let's Finally Meet! 是一个在线服务网站，旨在帮助用户快速找到适合所有人的聚会时间和地点。它不需要登录，用户可以立即开始规划。该产品...
Jobsolv
Jobsolv是一个全能平台，为你匹配高薪远程职位、定制简历，并一键申请。通过Jobsolv加速你的求职过程！...
AI Video Editing | Clipchamp
Clipchamp AI视频编辑是一个使用AI技术增强视频编辑的工具。它包含自动合成、语音转文字、AI音频增强等功能，可以轻松创建各种类型的短视频。C...
ChatPDF.so
ChatPDF是一个使用人工智能技术与PDF文档进行交流的工具。它能够处理大量的PDF文件，提供摘要、协作、提问和对话等功能。用户可以与多个PDF文件...
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。
