星海系列：人形机器人与AI大模型之Robot+AI的Transformer之旅

报告共计：54页

本报告聚焦人形机器人与AI大模型结合领域，探讨Transformer模型演进，其从语言处理扩展到多模态任务，推动多模态大模型发展，虽面临异质化数据处理与训练挑战，但Scaling Law表明数据规模提升可优化模型。谷歌RT - 2通过视觉 - 语言 - 动作模型与联合微调实现机器人端到端控制，提升泛化能力；英伟达MimicGen自动化生成数据，助力机器人学习；谷歌RoboCat基于数据集快速适应任务，展示多任务具身智能。特斯拉FSD历经发展，FSD V12实现端到端自动驾驶，引入Transformer模型，感知决策一体化，引领行业变革。端到端算法在自动驾驶与人形机器人领域优势明显，可实现拟人化行为，但机器人端面临数据收集标注、合成数据使用、模型可解释性等问题。英伟达Robocasa构建模拟框架，生成厨房场景数据，促进机器人学习，实验论证real - sim - real可行性。李飞飞团队Rekep提出关系关键点约束，融入视觉 - 语言模型解决机器人操作任务；1x世界模型从原始数据学习构建模拟器，理解环境但存在不足；字节GR - 2通过预训练与微调具备高效动作预测和泛化能力，性能提升显著；数字表亲优化训练法，降低成本提高泛化能力，实现模拟到现实零样本迁移。

以下为报告节选内容