行行查
行业研究数据库
人工智能行业研究:谷歌RT-2模型能够用视觉和语言指令直接生成机器人动作代码
- 人工智能
- 机器人
- 人形机器人
人形机器人领域中,具身大模型与非具身大模型的核心区别在于是否能够直接生成机器人的运动姿态。其中,具身大模型是一种直接面向机器人的智能系统,其核心特点是能够将对物理世界的感知或人类指令转化为高频率的执行动作输出。这类模型不仅接收视觉信号(如图像),还融合了语言、触觉等多种模态信息,从而实现对复杂物理环境的实时响应和控制。
以谷歌推出的RT-2模型为例,该模型基于视觉-语言-动作(Vision-Language-Action)架构,在大型语言模型的基础上引入视觉编码器(ViT),通过理解图像内容和自然语言指令,直接生成机器人可执行的动作代码。例如,当输入“把草莓放进纸盒”这样的指令时,RT-2可以解析语义并结合视觉识别结果,输出具体的运动参数(如旋转角度、位移向量),进而驱动机器人完成任务。这种能力使得机器人无需依赖传统编程逻辑,而是通过端到端的学习方式实现灵活、自主的操作。
此外,RT-2模型还支持闭环控制机制,即在执行过程中持续获取反馈信息,并动态调整动作策略,提升任务成功率。这一技术路径标志着人工智能从单纯的“认知理解”迈向“具身执行”的关键一步,为未来通用型人形机器人的发展提供了重要支撑。
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 | ||
| 人工智能行业周观点:Anthropic下周正式挂牌,OpenAI推出ChatGPT钱包与商户中心 | 2026-11-16 | 50 | ||
| 人工智能行业半月报(2026年11月第2期):Anthropic即将上市,黄仁勋辞去CEO等职务 | 2026-11-18 | 20 | ||
| 专题研究报告:人工智能在资本市场的应用现状与演进方向 | 2026-11-19 | 31 |

行研数据库
创投数据库
证券数据库
商业数据库










