RPT-VLA — мультимодальная диффузионная политика, которая преобразует текстовую инструкцию и изображение с камеры в последовательность действий робота.

Подходит для: оценка роботизированных политик в SimplerEnv · захват банки или другого предмета роботом Google Robot · перемещение манипулятора рядом с заданным объектом