# rdt-170m

> 权威词条地址：https://robotics.hellobike.com/models/robotics-diffusion-transformer-rdt-170m
> 所属分类：models | 最近核验日期：2024-10-24 | 技术层级：L7, L8

## 核心摘要

robotics-diffusion-transformer 在 Hugging Face 发布的机器人模型，架构为 Diffusion Policy (CNN / Transformer UNet)，参数规模 170M。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/robotics-diffusion-transformer/rdt-170m"}] |
| `updated` | 2024-10-24 |
| `family` | vla |
| `params` | 170M |
| `architecture` | Diffusion Policy (CNN / Transformer UNet) |
| `action_representation` | 连续扩散去噪轨迹 (Diffusion Action Trajectory) |
| `code_license` | mit |
| `weights_license` | mit |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | robotics-diffusion-transformer/rdt-170m |
| `hub_stats` | {"downloads": 84, "likes": 11, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/robotics-diffusion-transformer/rdt-170m"] |

## 技术详解与生态说明

RDT-170M 是一个 170M 参数的模仿学习 Diffusion Transformer，在消融实验中对应 RDT(small)。它面向 Vision-Language-Action 输入输出：接收语言指令、最多三路 RGB 图像、可选控制频率和本体感知，预测接下来的 64 个机器人动作。

模型隐藏维度为 1024、深度为 14，均为 RDT-1B 的一半；视觉骨干为 siglip-so400m-patch14-384，语言模型为 t5-v1_1-xxl。预训练使用 46 个数据集，包括 RT-1 Dataset、RH20T、DROID、BridgeData V2、RoboSet 以及 Open X-Embodiment 的一个子集。

RDT 通过统一动作空间支持多种现代移动操作臂形态，包括单臂到双臂、关节到末端执行器、位置到速度以及轮式移动。部署到具体平台时，需要将原始动作向量中的相关物理量填入统一空间。由于 embodiment gap，它尚不能泛化到预训练数据中未见过的新机器人平台，建议为目标机器人采集小数据集后微调。代码、预训练权重和数据采用 MIT 许可。

## 原始核验来源 (Sources)

- [Hugging Face robotics-diffusion-transformer/rdt-170m](https://huggingface.co/robotics-diffusion-transformer/rdt-170m)