（来源：上观新闻）
第一双👀🌺眼睛叫“D🏔INOv2”🇧🇬，负责理解🏴🇲🇩空间关系😉🧿；第二双眼睛叫“🎀🆗SigLIP”，🍈果冻传媒81制片厂视频专门理🎴😢解语义和常识⚓🥞。我们知🇹🇹🐾道，机器人算法的🛣🇧🇩“泛化性🕯🇧🇧”是个很📃🚾大的挑战，🐰之前的标🤹♀️🍽准做法是需🏢🧝♂️要针对特定机器人😋🔥用特定数据🇳🇨集来训练策略🇲🇺🕸，但你换✌一个机器人、💾换一个环境，就🇾🇪要全部重新👄来训🇬🇺。葡萄君：👨👨👧👧🐜你的说法听💸🇬🇦起来有点👩👧悲观🕢。这个残差〰连接不得了，😶它堪称现代大模型👐的基石，不🇬🇭管是长文本理🍡👩👩👦解、复杂逻辑推理🍈，还是多轮😹对话，模🇿🇦型都靠它保证深👩🌾🚵♀️层网络的稳定🤴训练和信息传递🀄。
在机器👩👧👦人领域，这🔭种快速迭🏯代与持续🇹🇬🇬🇦公开更新并不常👨👨👦见，也成为π₀🛫🐑受到关注🤽♂️的重要原因之一🚡🎮。而这篇文章，我😈们与全球顶🍼🖕尖具身智能实👓验室的研究人员🔅深聊之🌨后，来扒一扒开🌩源算法路线中🤟🦚的核心玩🇰🇿👒家和关键🚰◽的技术领🥨6️⃣军人物们◻👵。为什么数据🚺的多样性比数据量💤更重要？ 用训练🌑RT-⛎X模型的实验结果☑☝来说明：😭RT-1-🧲🌞X在小数据域的🐴👧表现比单独🇧🇻训练的模🥕🇸🇲型高了50%，R🧵🎖T-2-X甚🧳💥至涌现出了原模🉐型没有的空🦡🧟♂️间推理能🍍🔋力，是RT👰-2的3倍🚶♀️⏮，能理解“on”🏴和“ne❤🎦ar”这种细🥂微的语言差异，📇这意味着它开始理🛵↖解语言中的空🧝♂️间语义，知道“o🇻🇨➕n”意味着物体🇴🇲🔕之间要建立👌接触和支😬撑关系，📝🚤而“ne💶🚇ar”只是🍾☸空间邻🧞♂️↕近🌋4️⃣。
