Modele / Badania

SimpleMemVLA · OpenBMB

Natywna pamięć wideo dla modeli wizyjnych, językowych i akcji, wykorzystująca historię wizualną ze znacznikiem czasu i dokładne wnioskowanie o strumieniowaniu do manipulacji robotami w długich horyzontach.

vla
Repozytorium wydawcy ↗
SimpleMemVLA · OpenBMB zrzut ekranu strony zasobów
Zrzut ekranu zasobów · przechwycony 2026-10-10 · wizualnie sprawdzone

Przegląd

Natywna pamięć wideo dla modeli wizyjnych, językowych i akcji, wykorzystująca historię wizualną ze znacznikiem czasu i dokładne wnioskowanie o strumieniowaniu do manipulacji robotami w długich horyzontach.

Przejrzyj interfejsy obserwacji/akcji, punkty kontrolne, przykłady wykonania robotów i wymagania adaptacyjne. Licencjonowanie kodu repozytorium nie powoduje automatycznego licencjonowania ciężarów ani danych treningowych.

Informacje o projekcie

Konserwator
OpenBMB
Język podstawowy
Python
Licencja na kod repozytorium
MIT
Licencja na wagę modelu
Nie nagrano
Licencja na zbiór danych
Nie nagrano
Licencja na projektowanie sprzętu
Nie nagrano
Konserwacja
Nie zarchiwizowane w ostatnio zarejestrowanych metadanych
Ostatnio zaobserwowane wypchnięcie repozytorium
2026-09-24

Licencje na kod nie obejmują automatycznie wag modeli, zbiorów danych ani projektów sprzętu. Niezarejestrowane szczegóły licencji wymagają potwierdzenia u wydawcy.

Sekcje dokumentacji

  • 1) core env (repeat per benchmark, e.g. simplememvla-rmbench, simplememvla-libero, ...)
  • 2) fast-path kernels: flash-attn (required — the default attention backend for
  • train AND eval) + flash-linear-attention + causal-conv1d (required for training,
  • optional for eval). Needs nvcc for causal-conv1d.
  • 3) the benchmark's simulator stack
  • SAPIEN headless rendering additionally needs the Vulkan loader:

Przeglądaj kategorie tego zasobu

Przeglądaj powiązane kolekcje

Modele wizja-język-działanie ↗