RoboBERT：减少大规模数据与训练成本，端到端多模态机器人操作模型（西湖大学最新）写在前面&出发点 具身智能融合多种模态，使智能体能够同时理解图像、语言和动作。然而，现有模型通常依赖额外数据集或大量预训练来最大化性能提升，这耗费了大量训练时间和高昂的硬件成本。为解决这一问题，我们提出RoboBERT，这是一种新型的端到端机器人操作模型，并结合了独特的训练策略。该模型利用基于卷积神经网络（CNN）的扩散策略，通过分离不同模态的训练过程，提高并稳定了模型的有效性。同时，我们强调数据增强的重要性，验证了多种技术能显著提升模型性能。与依赖额外数据或大型基础模型的模型不同，RoboBERT仅使用