RDT 2 的官方代码
RDT2 是 RDT-1B 的续作,是第一个能够在未见过的场景中实现零样本部署的基础模型,可用于像拾取、放置、摇晃、擦拭等简单的开放式词汇任务。这一里程碑的实现得益于多方面的努力:
目前,该仓库包含以下模型: - RDT2-VQ,这是一个自动视觉-语言-动作模型 (VLA),采用残差 VQ作为动作标记器,基于我们的 UMI 数据集,改进自Qwen2.5-VL-7B-Instruct,具有卓越的零样本指令执行能力。 - RDT2-FM,这是一个改进的 RDT 模型,作为具有流匹配目标的动作专家,其推理速度远低于原始 RDT。
暂无开放 Issues，或尚未同步最近议题。