具身智能 · 2023 · RT-2
RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
Anthony Brohan et al.
把机器人动作编码为 token，将视觉语言知识迁移到控制。
VLA语义迁移动作 token
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
整理动作词表与联合训练策略，比较 RT-1 和开放 VLA 的技术差异。
数据集 / 环境
原文机器人评测设置；替代实验需独立声明数据与平台。
评估项
- 已见任务成功率
- 泛化任务成功率
边界与常见偏差
不假定原始模型与训练数据完整可得；开放替代模型不能冒称 RT-2 复现。
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。