事件描述
　　当地时间2024年1月4日，谷歌发布了三项人形机器人模型相关成果，分别为RT-Trajectory、SARA-RT、AutoRT。三款模型以谷歌之前发布的RT-1、RT-2模型为基础，分别从任务泛化能力、任务决策速度、训练数据规模三个层面提升了RT系列机器人模型的性能。
　　事件评论
　　RT-Trajectory：提升机器人模型泛化能力。传统的机器人模型面对从未见过的任务，会将其拆解为多个简单动作；例如对于擦桌子，就可以拆解为“合上夹具、向左移动、向右移动”，这种拆解动作的路径泛化能力较低。RT-Trajectory通过训练时给机器人提供视觉提示来提升任务的成功率。凭借RGB图像的2D轨迹增强数据，RT-Trajectory将机器人执行从未见过的任务的成功率从29%提升至63%。
　　SARA-RT：提升机器人任务决策速度。谷歌RT模型采用Transformer架构，底层编码采用二次复杂度的注意力机制；因此面对两倍输入数据规模，RT模型的算力需求会跃升至四倍，而响应速度是机器人模型最重要的评价标准之一；为了提高机器人的速度，谷歌在RT基础模型上开发了SARA-RT。SARA-RT采用向上训练的模型微调方法，将原来的二次复杂度转换为线性复杂度，同时保持了任务处理质量；因此大幅度降低了算力需求，保证机器人任务决策速度。SARA-RT-2模型在获得简短的图像历史记录后，相比RT2模型的精确度提升10.6%，速度提升14%。
　　AutoRT：扩充机器人可用训练数据规模。AutoRT结合了基础大模型（大语言模型（LLM）、视觉语言模型（VLM））和机器人控制模型（RT-1、RT-2），创建了一个可以在新环境中部署机器人用以收集训练数据的系统。AutoRT可以同时指导多个配备视觉系统和末端执行器的机器人，在各种各样环境中执行多样化的任务，以此来主动收集机器人感知、决策与控制数据。谷歌AutoRT项目持续了7个月。实验证明，AutoRT系统最多时共能协调52个机器人的动作。通过指导机器人在各种办公楼内执行各种任务，研究人员收集了涵盖7.7万个机器人试验，6650个独特任务的多样化数据集。此外，AutoRT对机器人模型的价值对齐也做出了更新。AutoRT设置了安全护栏，它能够在机器人执行基于LLM的决策时提供需要遵守的基本规则。
　　三款模型成果的推出有望大幅度推进具身智能技术进展。当前人形机器人大脑是阻碍其商业化落地的核心痛点，而人形机器人大脑倚仗VLM和VLA大模型的技术进步。本次谷歌发布的三款模型解决了VLM以及VLA模型在训练过程中的瓶颈，提升了任务泛化能力、决策处理速度，以及扩大了训练数据规模，有望大幅度推进人形机器人模型技术进展，提升人形机器人能力边界。
　　风险提示
　　1、人形机器人技术发展不及预期；
　　2、人形机器人产品需求不及预期。