RDT2-VQ
RDT2-VQ 是面向双臂操作的视觉语言动作模型，基于 Qwen2.5-VL，以残差向量量化编码动作。接收双腕相机图像与语言指令，预测未来24步动作；真机使用前须完成硬件标定，并配套动作分词器与归一化文件。
规格速览
- 模型类型
- 视觉语言动作模型
- 骨干网络
- Qwen2.5-VL-7B-Instruct
- 权重参数量
- 8.2922 B
- 输入
- 语言指令 / RGB 图像
- 输出
- 24步、每步20维的双臂相对动作块
- 发布时间
- 2025年9月
技术细节
功能方向
动作与控制
使用前须知: 权重或代码可获取，不代表机器人可以即插即用。请按来源文档核对配置、数据与接口要求。
提交来源或更正