Google RT-2-X

Robotikk / VLAIkke tilgjengelig
av Google DeepMindModell-ID: rt-2-x

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

Status
Ikke tilgjengelig
Input → output
Tekst + Bilde → Roboteraksjoner
Utvikler
Google DeepMind
Oppdatert
23. september 2026

Google RT-2-X er for øyeblikket utilgjengelig

Du kan fortsatt lese detaljene på denne siden. Velg ett av de tilgjengelige alternativene nedenfor for å kjøre en sammenlignbar modell med en gang.

01

Playground

Google RT-2-X

Forskningsmodell

Ikke tilgjengelig for øyeblikket

Google RT-2-X er en robotikkmodell (vision-language-action) og kan ikke kjøres gjennom railwail API.

02

Om Google RT-2-X

Kort sagtPer 23. september 2026

Google RT-2-X er en modell fra Google DeepMind i kategorien Robotikk / VLA. Google RT-2-X er for øyeblikket ikke tilgjengelig på Railwail.

Bakgrunn

Om Google DeepMind

Grunnlagt 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.

Besøk Google DeepMind

Arkitektur

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.

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

Evner

  • 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.

Trening og lisens

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.

Lisens: 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.

Sikkerhetstesting: 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.

Kjente begrensninger

  • 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

Priser

Ikke tilgjengelig for øyeblikket. Det er ingen pris for denne modellen for øyeblikket, så den kan ikke kjøres.

04

API

Ring Google RT-2-X med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

Ikke tilgjengelig via API-et

Robotikk-modeller kjører på robotmaskinvare, ikke gjennom railwail API.

05

Spesifikasjoner

Modell-ID
rt-2-x
Inndata
Tekst, Bilde
Utdata
Roboteraksjoner
Livssyklus
Ikke tilgjengelig
Modellstørrelse
Up to 55B (RT-2-X variants: 5B and 55B)
Lisens
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.
Katalogoppføring oppdatert
23. september 2026

Merkelapper

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

Brukstilfeller

Hva det brukes til

  • 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

Ofte stilte spørsmål

Hva er Google RT-2-X?

Google RT-2-X er en modell fra Google DeepMind i kategorien Robotikk / VLA. Den er oppført på Railwail, men kan ikke kjøres for øyeblikket.

Hvor mye koster Google RT-2-X på Railwail?

Google RT-2-X kan ikke kjøres på Railwail for øyeblikket, så det finnes ingen gjeldende pris. Tilgjengelige alternativer med priser er oppført lenger ned på denne siden.

Hvor rask er Google RT-2-X?

Det finnes ennå ikke nok målte kjøringer av Google RT-2-X på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Når bør jeg bruke Google RT-2-X?

Google RT-2-X tilhører kategorien Robotikk / VLA. Kategorisiden viser de andre modellene av denne typen med prisene deres.

Alle modeller: Robotikk / VLA

Kan Google RT-2-X behandle bilder?

Ja. Google RT-2-X godtar bilder som inndata i tillegg til tekst.

Kan jeg bruke Google RT-2-X akkurat nå?

Ikke tilgjengelig for øyeblikket. Siden forblir online; tilgjengelige alternativer fra samme kategori er oppført lenger ned.

Alle modeller gjennom én API

Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.