RDT-1B

칭화대학교 TSAIL🇨🇳 중국RDT (Robotics Diffusion Transformer) 계열

행동 생성 (VLA)발표일 2024.10가중치 공개 · MIT

칭화대 TSAIL(주쥔 교수팀)의 양팔 조작용 확산 트랜스포머 기반 파운데이션 정책으로, 공개 당시 최대 규모 확산 기반 로봇 모델이었어요. 46개 데이터 100만+ 에피소드로 사전학습 후 6천여 양팔 에피소드로 미세조정했어요.

파라미터: 1.2공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: 1건

공식 자료프로젝트 페이지 rdt-robotics.github.io 논문 arxiv.org 코드 저장소 github.com 가중치 huggingface.co

무엇인가

행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
발표일 2024-10
가중치 공개 (MIT) — 내려받아 직접 실행·추가 학습할 수 있음
수록된 벤치마크 결과 1건
연결된 학습용 데이터셋 1개

확인된 정보

사양 9개 항목 중 5개에 값이 있음
공식 공식 5개: 구조, 입력, 파라미터 (B), 학습용 데이터셋, 적용 로봇 형태
벤치마크 결과 1건: 자체 발표 0건 · 자체 발표 외 평가 1건
값 확인일 2024-10 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 제어 빈도 (Hz)
수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

RDT-1B는 칭화대학교 주쥔(Jun Zhu)·쑤항(Hang Su) 교수 연구진이 2024년 10월 공개한 양팔 로봇 조작용 행동 생성 (VLA) 모델로, 확산(diffusion) 트랜스포머를 로봇 정책에 적용한 파운데이션 모델이다. 최대 3개 카메라 영상과 언어 지시를 각각 SigLIP·T5-XXL 인코더로 읽어 조건으로 넣고, 고유수용감각과 제어 주파수를 함께 받아 잡음이 섞인 행동 묶음(action chunk)을 단계적으로 걸러 내 연속 행동을 만든다. 로봇마다 다른 관절·말단 제어 방식을 물리적 의미를 유지한 하나의 통합 행동 공간으로 맞춘 뒤, 46개 다중 로봇 데이터셋 100만여 에피소드로 12억 파라미터 모델을 사전학습하고 ALOHA 양팔 로봇에서 직접 모은 6천여 에피소드로 미세조정했다.

연구진은 처음 보는 물체·장면에 대한 제로샷 일반화, 1~5회 시연만으로 새 기술 습득, 초당 6개 행동 묶음의 실시간 추론을 보였다고 발표했으며, 코드·가중치·미세조정 데이터를 MIT 라이선스로 공개하고 약 1.7억 파라미터 경량판(RDT-170M)도 내놓았다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	확산 트랜스포머(DiT) + SigLIP 비전 인코더 + T5-XXL 언어 인코더, 물리 해석 가능 통합 행동 공간공식
입력	최대 3개 카메라, 언어 지시, 고유수용감각공식
파라미터 (B)	1.2공식
학습용 데이터셋	46개 다중 로봇 데이터 100만+ 에피소드 사전학습 + 자체 수집 양팔 6K+ 에피소드 미세조정공식
적용 로봇 형태	양팔(AgileX Cobot Magic/ALOHA 계열), 단일 팔공식

벤치마크 결과

결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요

벤치마크	세부 조건	점수	평가 구분	결과 날짜
RoboChallenge Table30	Table30 v1 (30개 과제) 성공률	15%	운영팀 평가	2026-10

학습용 데이터셋

Open X-Embodiment 구글 딥마인드

출처 6건

robochallenge.ai [1][2]
rdt-robotics.github.io [1]
arxiv.org [1]
github.com [1]
huggingface.co [1]

한눈에 읽기