标签： 视觉动作映射

在机器人学领域，视觉与动作的协同控制长期面临"感知-决策-执行"链条断裂的困境。传统方法依赖多阶段处理流程：先通过视觉算法构建环境表征，再由规划模块生成路径，最后通过控制器转化为动作信号。这种割裂架构导致误差累积、响应延迟和泛化能力受限。而RT-2模型的问世，首次实现了从原始视觉输入到连续动作输出的