Vision-Sprache-Aktion

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

Forschung

Code von „MemoryVLA: Perceptual-Cognitive Memory in Vision-Language-Action Models for Robotic Manipulation“

Forschung

MobileVLA-R1: Stärkung der Bild-Sprach-Aktion für mobile Roboter

Forschung

OmniVLA bietet Trainings- und Inferenzcode für die multimodale Roboternavigation.

Forschung

OpenDM bietet ein Open-World-Grundmodell-Forschungsprojekt für verkörperte Intelligenz.

Forschung

Openpi Dexterous untersucht die pi0-LoRA-Anpassung für die Manipulation der Schattenhand und berichtet über experimentelle Einschränkungen.

Forschung

Open Pi Zero ist eine Neuimplementierung des pi0 VLA-Modells von Physical Intelligence.

Forschung

OpenVLA Reproduktion dokumentiert die Einrichtung und Bewertung von OpenVLA für LIBERO-Aufgaben.

Forschung

O-VLA untersucht den VLA-Transfer durch semantisches primitives Lernen.

Open Source

Pelican-VL 1.0 ist eine neue Familie von Open-Source-Modellen des verkörperten Gehirns mit Parameterskalen von 7B bis 72B, die von der WFM System Group, dem Beijing Innovation Center of Humanoid Robotics, entwickelt wurden.

Forschung

Offizielle Implementierung von ReconVLA: Reconstructive Vision-Language-Action Model as Effective Robot Perceiver.

Forschung

Offizielles Repo von Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics

Forschung

Nativer Videospeicher für Vision-Sprach-Aktionsmodelle, der einen zeitgestempelten visuellen Verlauf und exakte Streaming-Inferenz für die Manipulation von Robotern mit langem Horizont nutzt.

Forschung

Spirit-v1.5: Ein Roboter-Grundmodell von Spirit AI

Forschung

VIRENA demonstriert eine kleine VLA-Richtlinie auf ManiSkill PickCube mit LeRobot-Integrationsressourcen.

Forschung

VITRA: Skalierbares Vision-Sprache-Aktion-Modell-Vortraining für Robotermanipulation mit realen Videos menschlicher Aktivitäten

Forschung

VLA From Scratch vergleicht Aktionsdarstellungen bei multimodalen Demonstrationen und Hindernisrouting-Aufgaben.

Forschung

Auf dem Weg zu vielseitigen Vision-Sprach-Aktionsmodellen durch das Erlernen einheitlicher Vision-Bewegungs-Darstellungen

Forschung

Ein Vision-Sprach-Aktions-Forschungsmodell zur Robotermanipulation.

Open Source

Ein offenes Vision-Sprach-Aktionsmodell für die Robotermanipulation.

Open Source

Ein kompaktes Vision-Sprach-Aktionsmodell im LeRobot-Ökosystem.

Forschung

Ein Roboterfundamentmodell von Physical Intelligence.