谷歌RT-2模型出新变体，具身智能机器人控制精度提升15%

今天社群聊两句具身智能最新进展。谷歌DeepMind团队刚放出RT-2的新变体——RT-2-Trajectory，直接瞄准机器人运动控制的“手指级”精度。简单说，这个模型不再依赖传统路径规划，而是通过吸收大量机器人演示数据，直接输出关节轨迹。实验数据显示，相比老版本RT-2，新模型在抓取和放置任务中成功率提升了15%，尤其是对易碎物体（比如鸡蛋、玻璃杯）的操作误差缩小到2毫米以内。

技术细节上，RT-2-Trajectory的核心是把自然语言指令和视觉输入融合进一个Transformer架构，然后预测每个关节的连续动作序列。这背后的关键还是数据——团队用了130万条机器人轨迹数据做预训练，覆盖从厨房到仓库的多种场景。训练后模型可以零样本泛化到新物体和新布局，不需要额外微调。

对做机器人应用的兄弟来说，这意味着以后部署成本可能大幅下降。老版RT-2需要大量环境适配，现在一个模型通吃。不过注意，对硬件依赖还是高，RT-2-Trajectory要求至少8块A100才能跑推理，算力门槛没降。

你有什么看法？想搭环境测试的可以评论区聊聊需求，我给你算算成本。