具身智能 · 2022 · RT-1
RT-1: Robotics Transformer for Real-World Control at Scale
Anthony Brohan et al.
通过大规模多任务机器人数据学习可扩展控制策略。
机器人 Transformer多任务动作离散化
复现空间 · 建议计划
研究 · 方案研读 · 编辑建议，尚未实测
最小实验目标
分析视觉 token、语言条件与动作离散化，验证输入输出数据管线。
数据集 / 环境
RT-1 / Open X-Embodiment 可用数据，按各数据集许可获取。
评估项
- 动作预测误差
- 任务成功率（有环境时）
边界与常见偏差
离线动作预测不等同于闭环控制成功率；原始机器人平台与任务条件需另行复核。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。