RT-H：谷歌的端到端视觉-语言-动作机器人大模型

论文标题：RT-H: Action Hierarchies Using Language

论文链接：https://arxiv.org/pdf/2403.01823.pdf

项目链接：RT-H: Action Hierarchies Using Language

Robot Transformer with Action Hierarchies使用行动层级的机器人Transformer

端到端框架RT-H：单一模型同时处理语言动作和行动查询

一、RT-H action hierarchy

1. 将复杂任务分解成简单的语言指令

2. 将语言指令转化为机器人行动

3. 支持对模型进行语言动作干预的微调

4. 开发了一种自动化方法，从机器人本体感受中提取简化的语言动作集，建立了超过2500个语言动作数据库，无需手动标注

举例：

给定任务