RT-2
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Google DeepMind
- Organisationstyp
- Industry
- Land
- United States of America
- Veröffentlicht
- 28 July 2023
- Autoren
- Anthony Brohan, Noah Brown, Justice Carbajal, Yevgen Chebotar, Xi Chen, Krzysztof Choromanski, Tianli Ding, Danny Driess, Avinava Dubey, Chelsea Finn, Pete Florence, Chuyuan Fu, Montse Gonzalez Arenas, Keerthana Gopalakrishnan, Kehang Han, Karol Hausman, Alexander Herzog, Jasmine Hsu, Brian Ichter, Alex Irpan, Nikhil Joshi, Ryan Julian, Dmitry Kalashnikov, Yuheng Kuang, Isabel Leal, Lisa Lee, Tsan…
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Robotics
- Aufgabe
- Robotic manipulation
- Basis-Modell
- PaLI-X
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Parameter
- 55B
- Trainingsdaten
- tokens
"We train two specific instantiations of RT-2 that leverage pre-trained VLMs: (1) RT-2-PaLI-X is built from 5B and 55B PaLI-X (Chen et al., 2023a), and (2) RT-2-PaLM-E is built from 12B PaLM-E (Driess et al., 2023)." 55B and 12B have similar overall performance
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Trainingscode
- Unreleased
no model weights or training code releases are mentioned https://robotics-transformer2.github.io/
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Foundation model
- Yes
- Warum es nachverfolgt wird
- SOTA improvement
- Aufzeichnungszuversicht
- Confident
- Zitationen
- 3,009
"We compare our method to multiple state-of-the-art baselines that challenge different aspects of our method. All of the baselines use the exact same robotic data... Here, on average, both instantiations of RT-2 perform similarly, resulting in ∼2x improvement over the next two baselines, RT-1 and MOO, and ∼6x better than the other baselines" Top10 recent paper from Sebastian Sartor 2025-05-14
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Woher es kam
RT-2 was published by Google DeepMind, in United States of America, in July 2023. It comes out of industry.
It works in Robotics, and is recorded as doing robotic manipulation.
It is derived from PaLI-X rather than trained from scratch, which is the usual way a specialised model is produced.
Seine Gewichte wurden nie veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarte ändert das.
Wie es trainiert wurde
Its inclusion criterion is sOTA improvement.
Antworten
RT-2 — Häufig gestellte Fragen
What GPU do I need to run RT-2?
None. RT-2 is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is RT-2 open source?
No. RT-2 has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does RT-2 have?
RT-2 hat 55B Parameter. "Wir trainieren zwei spezifische Instantiation von RT-2, die vortrainierte VLMs nutzen: (1) RT-2-PaLI-X ist aufgebaut aus 5B und 55B PaLI-X (Chen et al., 2023a), und (2) RT-2-PaLM-E ist aufgebaut aus 12B PaLM-E (Driess et al., 2023)." 55B und 12B haben eine ähnliche Gesamtleistung. Diese Zahl ist die Gesamtsumme, und sie entscheidet, wie viel Speicher das Modell benötigt — ungefähr halb ein Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
Who created RT-2?
RT-2 was published by Google DeepMind, based in United States of America, categorised as industry.
When was RT-2 released?
RT-2 was published in July 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is RT-2 used for?
RT-2 works in Robotics, and is recorded as handling robotic manipulation. These are the areas it was designed around; they describe intent rather than a hard boundary.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.