近日谷歌旗下著名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。
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。
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。
