Wizja-język-działanie

Badania

FOCA bada warunkowanie zorientowane na przyszłość w celu wydajnej adaptacji VLA do danych.

Badania

Uni-NaVid: oparty na wideo model wizja-język-działanie do ujednolicania ucieleśnionych zadań nawigacji.

Badania

Od modeli wizji, języka i działania po stos uczenia się robotów w świecie rzeczywistym

Badania

VLA-0 zapewnia kod badawczy do budowania modeli wizja-język-działanie na podstawie modeli wizja-język.

Badania

Green-VLA: etapowy model widzenia, języka i działania dla robotów ogólnych

Badania

VLA-RFT zapewnia zasoby dostrajające wzmocnienie dla modeli wizja-język-działanie.

Badania

WholebodyVLA bada ukryte reprezentacje VLA dotyczące lokomocji i manipulacji całym ciałem.

Badania

Oficjalne repozytorium pierwszej wersji modelu podstawowego ACE-Brain.

Badania

Anchor-Align bada dostrajanie VLA z zakotwiczeniem reprezentacji i dopasowaniem języka do działania.

Badania

BitVLA implementuje 1-bitowe modele wizja-język-działanie do manipulacji robotycznej.

Badania

CATok bada tokenizację działań przyczynowych dla polityk robotów z warunkowym wyżarzaniem w dopasowywaniu przepływu.

Badania

CLP-VLA zapewnia ukierunkowany na warstwy kod dostrajający i ewaluacyjny dla modeli VLA.

Badania

DEAS Isaac GR00T zapewnia zasoby konfiguracyjne łączące DEAS, Isaac GR00T i RoboCasa.

Badania

Dexora zapewnia zasoby polityki VLA w zakresie zręczności dwuręcznej o wysokim stopniu swobody.

Badania

DynamicVLA zapewnia zasoby badawcze do manipulacji robotami dynamicznymi.

Badania

Projekt EAI2025 łączy w sobie mapowanie semantyczne 3D i wdrażanie VLA w celu manipulacji.

Badania

Emma-X: ucieleśniony multimodalny model działania z ugruntowanym łańcuchem myślenia i rozumowaniem przestrzennym wybiegającym w przyszłość

Badania

FLUX 3 Action zapewnia zasoby do modelowania i przewidywania działań na świecie dla robotów i symulatorów.

Badania

Modele robotyki Google DeepMind łączące percepcję i działanie.

Badania

HEX to framework obsługujący wizję, język i działanie całego ciała dla pełnowymiarowych robotów humanoidalnych.

Badania

Seria InternVLA-A bada zrozumienie, generowanie i działanie manipulacji robotycznej.

Badania

JanusVLN bada nawigację wizualno-językową z oddzielną pamięcią semantyczną i przestrzenną.

Badania

Kod artykułu „KERV: Kinematic-Rectified Spekulative Decoding for Embodied VLA Models” zaakceptowany przez DAC 2026.

Badania

OSTATNIE​$_0$​: Ukryty przestrzenno-czasowy łańcuch myślowy dla robotycznego modelu wizja-język-działanie