Google DeepMind 联手 33 家实验室：发布最大跨形态机器人数据集与 RT-X

Google DeepMind 联合全球 33 家学术实验室，发布了开源的机器人数据集 Open X-Embodiment 以及对应的 RT-X 模型。它做的事情很直接：把不同形态机器人的动作数据攒在一起，训练出一个能通用于多种机器人的通用模型。

过去做机器人研发，基本上是一台机器一套模型。换个机械臂、换个抓夹，甚至只是换个操作环境，很多算法就得推倒重来。这次发布的资源，就是为了让机器人也能像大语言模型那样，跨形态学习通用技能。

22 种机器人与百万条演示

Open X-Embodiment 汇集了来自 20 多家机构的数据。整个数据集涵盖了 22 种不同的机器人形态，包含超过 500 项技能、15 万个任务以及 100 多万条操作片段（episodes）。Google 把它类比为机器人领域的 ImageNet，这也是目前同类开源数据集中规模最全面的一套。

基于这套数据，DeepMind 训练了两个版本的基准模型：RT-1-X 和 RT-2-X。RT-1-X 基于此前专注机器人控制的 RT-1 架构，而 RT-2-X 则基于视觉-语言-动作（VLA）模型 RT-2，能同时消化网络多模态数据与底层动作指令。

跨形态训练的效果如何

在五家合作实验室的测试中，RT-1-X 在五种常见机器人平台上的平均任务成功率，比各实验室针对单一形态独立训练的专属模型高出了 50%。这说明即便机械结构不同，动作规律依然可以在模型层面迁移。

而在高阶的 RT-2-X 上，泛化能力更为明显。当测试机器人面临自己训练数据里从未出现、但在其他机器人数据集中存在的新技能时，RT-2-X 的成功率达到了之前 RT-2 的三倍。

最直观的体现是空间理解。比如指令从「把苹果放在布上」换成「把苹果移到布旁边」，RT-2-X 可以精确调整抓取与移动轨迹。不过 DeepMind 也指出，这种跨机器人的技能涌现，必须依赖参数量和容量足够大的模型架构才能显现。

怎么获取与上手

Open X-Embodiment 数据集和 RT-1-X 的模型权重（checkpoint）目前已经完全公开，研究人员和开发者可以直接下载使用。如果想深入参与后续迭代，项目组也开放了专门的合作渠道。

为什么重要

对于机器人领域的开发者和学术研究者来说，这套资源非常值得尽早接触。单一实验室以往很难承担百万级真机演示数据的采集成本，Open X-Embodiment 直接拉平了跨硬件训练的门槛，不需要自己造轮子收集所有动作数据。

我们认为，DeepMind 这一步聪明在把「预训练通用模型」的范式真正搬到了具身智能上。机器人长期缺乏基础大模型，核心痛点就是硬件形态各异、数据无法互通。RT-X 证明了跨形态混合训练不仅可行，还能显著提升单机表现。当然，目前发布的主要是学术数据集和 RT-1-X 检查点，真正要落地到复杂工业或家庭环境，仍需要结合具体硬件进行微调与安全验证。