RDT-1B es un transformador de difusión con aprendizaje por imitación de 1B de parámetros (el mayor hasta la fecha), preentrenado en más de 1M de episodios multirrobóticos (también el mayor hasta la fecha). Dada una instrucción en lenguaje natural y hasta tres vistas de imágenes RGB, RDT puede predecir los siguientes 64 movimientos del robot. RDT es compatible con casi todos los manipuladores móviles modernos, incluyendo brazos únicos o dobles, articulaciones o actuadores finales, posicionamiento o velocidad, e incluso movimiento con ruedas. El modelo se ha ajustado finamente en más de 6000 episodios bípedos recolectados (uno de los conjuntos de datos más grandes), y se ha desplegado en el robot bípedo ALOHA. Alcanza un rendimiento de vanguardia en destreza, generalización de cero muestra y aprendizaje de pocos ejemplos.