Vision-Sprache-Aktion

Forschung

Das BAZL untersucht zukunftsorientierte Konditionierung zur dateneffizienten VLA-Anpassung.

Forschung

Uni-NaVid: Ein videobasiertes Vision-Sprach-Aktionsmodell zur Vereinheitlichung verkörperter Navigationsaufgaben.

Forschung

Von Vision-Language-Action-Modellen zu einem realen Roboter-Lernstapel

Forschung

VLA-0 stellt Forschungscode zum Erstellen von Vision-Sprach-Aktionsmodellen aus Vision-Sprachmodellen bereit.

Forschung

Green-VLA: Inszeniertes Vision-Sprach-Aktionsmodell für generalistische Roboter

Forschung

VLA-RFT bietet Ressourcen zur Feinabstimmung der Verstärkung für Vision-Sprach-Aktionsmodelle.

Forschung

WholebodyVLA untersucht latente VLA-Darstellungen für die Fortbewegung und Manipulation des gesamten Körpers.

Forschung

Das offizielle Repository der ersten Version des ACE-Brain-Grundlagenmodells.

Forschung

Anchor-Align untersucht die VLA-Feinabstimmung mit Darstellungsverankerung und Sprach-Aktions-Ausrichtung.

Forschung

BitVLA implementiert 1-Bit-Vision-Sprach-Aktionsmodelle für die Robotermanipulation.

Forschung

CATok untersucht die Tokenisierung kausaler Aktionen für Roboterrichtlinien mit bedingtem Annealing beim Flow-Matching.

Forschung

CLP-VLA bietet schichtorientierten Feinabstimmungs- und Evaluierungscode für VLA-Modelle.

Forschung

DEAS Isaac GR00T bietet Einrichtungsressourcen, die DEAS, Isaac GR00T und RoboCasa kombinieren.

Forschung

Dexora stellt VLA-Richtlinienressourcen für bimanuelle Geschicklichkeit mit hohem Freiheitsgrad bereit.

Forschung

DynamicVLA bietet Forschungsressourcen für die Robotermanipulation dynamischer Objekte.

Forschung

Das EAI2025-Projekt kombiniert semantische 3D-Zuordnung und VLA-Bereitstellung zur Manipulation.

Forschung

Emma-X: Ein verkörpertes multimodales Aktionsmodell mit fundierter Gedankenkette und vorausschauendem räumlichen Denken

Forschung

FLUX 3 Action bietet Ressourcen zur Weltaktionsmodellierung und Aktionsvorhersage für Roboter und Simulatoren.

Forschung

Google DeepMind-Robotikmodelle verbinden Wahrnehmung und Aktion.

Forschung

HEX ist ein Ganzkörper-Vision-Sprach-Aktions-Framework für humanoide Roboter in Originalgröße.

Forschung

Die InternVLA-A-Reihe untersucht das Verständnis, die Entstehung und die Aktion der Robotermanipulation.

Forschung

JanusVLN untersucht die visuelle Sprachnavigation mit separatem semantischen und räumlichen Gedächtnis.

Forschung

Code of Paper „KERV: Kinematic-Rectified Speculative Decoding for Embodied VLA Models“, akzeptiert von DAC 2026.

Forschung

LaST​$_0$​: Latente räumlich-zeitliche Gedankenkette für das Roboter-Vision-Sprach-Aktionsmodell