10月4日，谷歌旗下著名AI研究机构DeepMind在官网发布了，全球最大通用大模型之一RT-X，并开放了训练数据集Open X-Embodiment。
据悉，RT-X由控制模型RT-1-X和视觉模型RT-2-X组成，在特定任务（搬运东西、开窗等）的工作效率是同类型机器人的3倍，同时可执行未训练动作。
Open X-Embodiment训练数据集由全球33家顶级学术实验室合作，整合了来自22种不同机器人类型的数据开发而成。
简单来说，谷歌将全球最全的机器人训练数据集整合在一起，训练了一个通用机器人模型。值得一提的是，上海交通大学也参与了该项目，在技术研究方面做出了重要贡献。
模型和数据集地址：https://robotics-transformer-x.github.io/
论文地址：https://robotics-transformer-x.github.io/paper.pdf
谷歌表示，AI机器人非常强大，但在通用方面却很差。例如，我们想开发一款物理扫地机器人，需要根据特定的环境、动作、障碍、反馈等数据进行漫长地训练，然后进行反复测试才能完成产品研发。
为了打破这一困局，谷歌联合33家顶级学术机构，整合了目前最全面的22种不同类型的数据，打造了通用数据集Open X-Embodiment，然后在此基础之上训练了通用大模型——RT-X。
这意味着，RT-X可以在无需任何训练数据或极少训练的情况下，就能完成一些特定任务或工作，例如，仓库搬运、防爆救险、家庭护理等，这对于机器人的商业化落地发挥巨大作用。
RT-X模型简单介绍
开发人员使用RT-1（用于大规模实际机器人控制的模型）训练了RT-1-X，并使用RT-2（视觉-语言-动作模型，可从网络和机器人数据中学习）训练了RT-2-X。
通过这种方式，研发人员证明了，在给定相同模型架构的情况下，RT-1-X和RT-2-X得益于更多样化、跨实体的训练数据，能够实现更高的性能，在特定领域训练的模型上的改进，表现出更好的泛化能力和新的功能。
为了在合作学术大学中评估 RT-1-X，将其与特定任务（例如开门）开发的模型在相应数据集上的表现进行了比较。使用Open X-Embodiment 数据集训练的 RT-1-X 平均性能优于原始模型 50%。
为了测试RT-2的通用功能，开发人员使用RT-2执行了一些训练数据中不存在的动作、功能。结果显示，RT-2可以执行从未训练的操作，包括对空间的更好理解，对动作的细腻程度等。
例如，让RT-2把苹果拿到布附近，而不是拿到布上面。RT-2都能很好的区别这些指令的差异，并做出相应的动作。
Open X-Embodiment训练数据集介绍
训练数据集，在开发通用大模型方面发挥了重要作用。为了开发Open X-Embodiment数据集，谷歌与超过20个机构的学术研究实验室合作，从22种机器人实体中收集数据，在超过100 万个场景中展示了 500 多种技能和 150,000 项任务——这也是同类中最全面的机器人数据集。
构建一个包含各种机器人示范的数据集，是训练通用型模型的关键步骤，这种模型可以控制许多不同类型的机器人，遵循多样化的指令，对复杂任务进行基本推理，并有效地泛化。
然而，收集这样一个数据集对任何单个实验室来说都太耗费资源。因此，谷歌希望开放Open X-Embodiment数据集，可以推动整个机器人技术发展的进程。
– END –
报告下载
