RT-2：从VLM到VLA，机器人软件体系再次进步

发现报告（www.fxbaogao.com）汇聚了全网最全的研报资源，数量之多令人惊叹。作为金融圈用户量极大的平台，我们覆盖了宏观、行业、公司及财报等全领域。我们追求极致的效率，设计极简，技术领先，帮您从海量数据中迅速抓取重点。无论是行业研究还是投资分析，这里都是您高效获取信息、实现精准决策的得力工具。

该研究报告讨论了机器人软件的发展,特别是在视觉-语言-动作(VLA)模型方面的新进展。RT-2是一种新颖的VLA模型,建立在Robotic Transformer 1(RT-1)的基础上,通过将机器人动作表示为模型输出中的token来控制机器人。Google DeepMind发布RoboTransformer 2(RT-2),表明它将机器人在数据中看到的任务和对象的组合学习为视觉语言模型(VLM)。RT-2的泛化性能比之前的基线模型提高了62%,同时将机器人数据中没见过物体、背景和环境的任务执行性能提高了32%。此外,RT-2还结合了PaLI和PaLM-E,使机器人能够学习长期规划和低级技能,并将其动作直接作为模型token输出。ViT模型将语言模型的transformer架构用于视觉模型,实现了统一了CV和NLP的架构。该报告建议关注机器人和软件技术进步的相关公司,包括大华股份、海康威视、千方科技、中科创达、云从科技、中科信息、亿嘉和、萤石网络、商汤科技等。同时,推荐关注硬件供应商,包括三花智控、拓普集团、鸣志电器、绿的谐波、峰岹科技、双环传动、中大力德、国茂股份等。此外,提醒投资者注意机器人技术迭代不及预期风险、经济下行超预期风险和行业竞争加剧风险。