Google RT-2-X

Ρομποτική / VLAΜη διαθέσιμο
από Google DeepMindΑναγνωριστικό μοντέλου: rt-2-x

Google's VLA from RT-X collaboration. Trained on Open-X-Embodiment (22 robots, 527 skills), positive transfer.

Κατάσταση
Μη διαθέσιμο
Είσοδος → Έξοδος
Κείμενο + Εικόνα → Ενέργειες ρομπότ
Προγραμματιστής
Google DeepMind
Ενημερώθηκε
23 Σεπτεμβρίου 2026

Το Google RT-2-X δεν είναι διαθέσιμο αυτή τη στιγμή

Μπορείτε να διαβάσετε τις λεπτομέρειες σε αυτήν τη σελίδα. Επιλέξτε μία από τις διαθέσιμες εναλλακτικές λύσεις παρακάτω για να εκτελέσετε αμέσως ένα συγκρίσιμο μοντέλο.

01

Playground

Google RT-2-X

Μοντέλο έρευνας

Προς το παρόν μη διαθέσιμο

Το Google RT-2-X είναι ένα μοντέλο ρομποτικής (vision-language-action) και δεν μπορεί να εκτελεστεί μέσω του railwail API.

02

Σχετικά με το Google RT-2-X

ΣύντομαΗμερομηνία: 23 Σεπτεμβρίου 2026

Το Google RT-2-X είναι ένα μοντέλο του Google DeepMind στην κατηγορία Ρομποτική / VLA. Το Google RT-2-X δεν είναι διαθέσιμο στο Railwail αυτή τη στιγμή.

Φόντο

Σχετικά με Google DeepMind

Ιδρύθηκε 2010 · London, UK / Mountain View, USA

RT-2-X is Google DeepMind's flagship Robotic Transformer 2 (RT-2) model retrained on the Open-X-Embodiment dataset - the first large-scale, multi-institution effort to assemble a unified robot-learning dataset spanning many labs and robots. Open-X-Embodiment was organised in 2023 by Google DeepMind together with 21+ academic and industry institutions (Stanford, UC Berkeley, CMU, MIT, Toyota Research Institute, etc.), producing the RT-X dataset of ~1 million trajectories across 22 robot embodiments. RT-2-X extends RT-2's Vision-Language-Action recipe - using a PaLM-E / PaLI-X style VLM as backbone and emitting actions as text tokens - to this cross-embodiment corpus, demonstrating positive transfer across robots and a new state of the art on generalist manipulation at the time of release. RT-2-X is research-only and not publicly callable; it remains a key academic reference and the conceptual parent of subsequent open VLAs.

Επισκεφθείτε Google DeepMind

Αρχιτεκτονική

Vision-Language-Action transformer (PaLI / PaLM-E backbone, discrete action tokens)

RT-2-X follows the RT-2 design: a large Vision-Language Model (PaLI-X or PaLM-E) is co-fine-tuned on web-scale vision-language data and on robot demonstration data, where robot actions are tokenised as strings of natural-language-like tokens (each action dimension binned and rendered as a token). The same next-token prediction objective therefore trains the model on both internet-scale image-text data and on robot trajectories, allowing the resulting policy to inherit web knowledge (object semantics, OCR, common sense) and route it to motor commands. RT-2-X is the version of this recipe trained on the Open-X-Embodiment / RT-X dataset - ~1 million trajectories across 22 robot embodiments - rather than only on Google's internal kitchen-robot dataset. Public results report 5B and 55B variants, with the 55B model showing the strongest generalisation, especially when prompted with unseen language commands or unseen object combinations.

Παράμετροι
Up to 55B (RT-2-X variants: 5B and 55B)

Δυνατότητες

  • Generalist VLA trained on Open-X-Embodiment (22 robots)
  • Inherits web-scale knowledge from PaLI / PaLM-E backbones
  • Discrete action-token decoding (text-like vocabulary)
  • Positive transfer across robot embodiments
  • Strong emergent semantic reasoning (e.g. 'pick up the extinct animal')
  • 5B and 55B parameter variants
  • Reference architecture for the modern VLA paradigm
  • Co-training on internet data + robot demos
  • Best for: research, citation, conceptual baseline for VLAs.

Εκπαίδευση & άδεια

Co-trained on internet-scale vision-language data (PaLI / PaLM-E corpora) plus ~1 million robot trajectories from the Open-X-Embodiment (RT-X) dataset across 22 robot embodiments. Action targets are tokenised continuous controls.

Άδεια: Research-only - Google DeepMind has not publicly released the RT-2-X weights, code or API. Some Open-X-Embodiment data and smaller RT-X reproductions are available, but the proprietary RT-2-X checkpoints are not.

Δοκιμές ασφάλειας: Covered under Google's standard Responsible AI process and frontier-safety evaluations. Robot demos were filmed in supervised lab settings with force-limited hardware; no public RSP-style document specific to RT-2-X.

Γνωστοί περιορισμοί

  • Closed weights - no public API or download
  • Inference latency too high for very fast control loops
  • Discrete tokens limit smoothness vs diffusion / flow-matching policies
  • Cross-embodiment transfer still constrained by action-space differences
  • Long-horizon tasks need external prompt decomposition
  • Dataset skew toward kitchen / tabletop tasks
03

Τιμολόγηση

Προς το παρόν μη διαθέσιμο. Δεν υπάρχει τιμή για αυτό το μοντέλο αυτή τη στιγμή, επομένως δεν μπορεί να εκτελεστεί.

04

API

Καλέστε το Google RT-2-X με το κλειδί Railwail API. Χρησιμοποιήστε αυτό το ID μοντέλου στο αίτημα:

Δεν είναι διαθέσιμο μέσω του API

Τα μοντέλα ρομποτικής εκτελούνται σε υλικό ρομπότ, όχι μέσω του railwail API.

05

Προδιαγραφές

ID μοντέλου
rt-2-x
Ανάπτυξη
Google DeepMind
Κατηγορία
Ρομποτική / VLA
Είσοδος
Κείμενο, Εικόνα
Έξοδος
Ενέργειες ρομπότ
Κύκλος ζωής
Μη διαθέσιμο
Μέγεθος μοντέλου
Up to 55B (RT-2-X variants: 5B and 55B)
Άδεια
Research-only - Google DeepMind has not publicly released the RT-2-X weights, code or API. Some Open-X-Embodiment data and smaller RT-X reproductions are available, but the proprietary RT-2-X checkpoints are not.
Καταχώρηση καταλόγου ενημερώθηκε
23 Σεπτεμβρίου 2026

Ετικέτες

  • google
  • vla
  • robotics
  • research-only
  • weights-closed
06

Περιπτώσεις χρήσης

Για τι χρησιμοποιείται

  • Reference baseline in VLA / cross-embodiment papers
  • Comparative studies vs OpenVLA / Octo / π-0
  • Academic citation as the canonical large VLA
  • Demonstration of emergent reasoning in robotics
  • Motivating examples for action-token tokenisation research
  • Closed model - no direct deployment use
07

Συχνές ερωτήσεις

Τι είναι Google RT-2-X;

Το Google RT-2-X είναι ένα μοντέλο του Google DeepMind στην κατηγορία Ρομποτική / VLA. Είναι καταχωρημένο στο Railwail αλλά δεν μπορεί να εκτελεστεί αυτή τη στιγμή.

Πόσο κοστίζει το Google RT-2-X στο Railwail;

Το Google RT-2-X δεν μπορεί να εκτελεστεί στο Railwail αυτή τη στιγμή, επομένως δεν υπάρχει τρέχουσα τιμή. Διαθέσιμες εναλλακτικές λύσεις με τιμές παρατίθενται παρακάτω σε αυτήν τη σελίδα.

Πόσο γρήγορο είναι το Google RT-2-X;

Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του Google RT-2-X στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.

Πότε πρέπει να χρησιμοποιήσω το Google RT-2-X;

Το Google RT-2-X ανήκει στην κατηγορία Ρομποτική / VLA. Η σελίδα κατηγορίας παραθέτει τα άλλα μοντέλα αυτού του είδους με τις τιμές τους.

Όλα τα μοντέλα: Ρομποτική / VLA

Μπορεί το Google RT-2-X να επεξεργαστεί εικόνες;

Ναι. Το Google RT-2-X δέχεται εικόνες ως είσοδο εκτός από κείμενο.

Μπορώ να χρησιμοποιήσω το Google RT-2-X τώρα;

Προς το παρόν μη διαθέσιμο. Η σελίδα παραμένει ενεργή· διαθέσιμες εναλλακτικές λύσεις από την ίδια κατηγορία παρατίθενται παρακάτω.

Όλα τα μοντέλα μέσω ενός API

Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.