RT-Trajectory
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Google DeepMind,University of California San Diego,Stanford University
- Tipo di organizzazione
- Industry,Academia,Academia
- Paese
- United States of America
- Pubblicato
- 3 November 2023
- Autori
- Jiayuan Gu, Sean Kirmani, Paul Wohlhart, Yao Lu, Montserrat Gonzalez Arenas, Kanishka Rao, Wenhao Yu, Chuyuan Fu, Keerthana Gopalakrishnan, Zhuo Xu, Priya Sundaresan, Peng Xu, Hao Su, Karol Hausman, Chelsea Finn, Quan Vuong, Ted Xiao
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Robotics
- Compito
- Robotic manipulation
- Approccio
- Reinforcement learning
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Unknown
- Citazioni
- 138
from blog https://deepmind.google/discover/blog/shaping-the-future-of-advanced-robotics/ "When tested on 41 tasks unseen in the training data, an arm controlled by RT-Trajectory more than doubled the performance of existing state-of-the-art RT models: it achieved a task success rate of 63%, compared with 29% for RT-2." the task suite is custom, not public
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- RT-Trajectory: Robotic Task Generalization via Hindsight Trajectory Sketches
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
RT-Trajectory è stato pubblicato da Google DeepMind,University of California San Diego,Stanford University, nel paese registrato come United States of America, durante November 2023. L'organizzazione di pubblicazione è classificata come industry,Academia,Academia.
Funziona nel dominio di Robotics, ed è registrato come eseguire il compito di robotic manipulation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il suo criterio di inclusione: sOTA improvement.
Risposte
RT-Trajectory — domande comuni
RT-Trajectory— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
RT-Trajectory— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
RT-Trajectory— chi l'ha creato?
È stato pubblicato da Google DeepMind,University of California San Diego,Stanford University, basato su United States of America, un'organizzazione categorizzata come industry,Academia,Academia.
RT-Trajectory— quando è stato rilasciato?
È stato pubblicato in November 2023. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
RT-Trajectory— A cosa serve?
Funziona nel dominio di Robotics, e viene registrato come gestire il compito di robotic manipulation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
RT-Trajectory— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.