# rdt-1b

> 权威词条地址：https://robotics.hellobike.com/models/robotics-diffusion-transformer-rdt-1b
> 所属分类：models | 最近核验日期：2024-10-17 | 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 1B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/robotics-diffusion-transformer/rdt-1b"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/robotics-diffusion-transformer/rdt-1b"}] |
| `updated` | 2024-10-17 |
| `family` | vla |
| `params` | 1B |
| `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-1b |
| `hub_stats` | {"downloads": 316, "likes": 106, "as_of": "2026-10-21"} |

## 技术详解与生态说明

RDT-1B 是一个 1B 参数的模仿学习 Diffusion Transformer，用于 Vision-Language-Action 任务。它以语言指令、最多三路 RGB 图像、控制频率（如有）和本体感知为输入，可预测接下来的 64 个机器人动作。模型类型为基于 Transformer 的 Diffusion Policy，视觉骨干为 siglip-so400m-patch14-384，语言模型为 t5-v1_1-xxl。

该模型在 100 万以上多机器人 episodes 上预训练，预训练数据来自 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。它通过统一动作空间支持多种现代移动操作臂形态，覆盖单臂到双臂、关节到末端执行器、位置到速度以及轮式移动等物理量。

部署到具体机器人平台时，需要将原始动作向量中的相关量填入统一空间向量。由于 embodiment gap，RDT 目前不能泛化到预训练数据集中未见过的新机器人平台；这种情况下建议采集目标机器人的小数据集并进行微调。代码、预训练权重和数据采用 MIT 许可证。

## 原始核验来源 (Sources)

- [Hugging Face robotics-diffusion-transformer/rdt-1b](https://huggingface.co/robotics-diffusion-transformer/rdt-1b)