Modele wizja-język-działanie

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

Badania

Kodeks „MemoryVLA: Pamięć percepcyjno-poznawcza w modelach wzrokowo-językowo-działaniowych w manipulacji robotycznej”

Badania

MobileVLA-R1: Wzmacnianie wizji, języka i działania dla robotów mobilnych

Badania

OmniVLA zapewnia kod szkoleniowy i wnioskowania do nawigacji robotów multimodalnych.

Badania

OpenDM zapewnia projekt badawczy dotyczący modelu podstawowego otwartego świata dla inteligencji ucieleśnionej.

Badania

Openpi Dexterous bada adaptację pi0 LoRA do manipulacji Ręką Cienia i zgłasza ograniczenia eksperymentalne.

Badania

Open Pi Zero to reimplementacja modelu pi0 VLA firmy Physical Intelligence.

Badania

OpenVLA Reprodukcja dokumentów, konfiguracja i ocena OpenVLA w zadaniach LIBERO.

Badania

O-VLA bada transfer VLA poprzez prymitywne uczenie się semantyczne.

Otwarte źródło

Pelican-VL 1.0 to nowa rodzina modeli ucieleśnionego mózgu typu open source ze skalami parametrów od 7B do 72B, opracowana przez WFM System Group, Pekińskie Centrum Innowacji Robotyki Humanoidalnej…

Badania

Oficjalna implementacja ReconVLA: Rekonstrukcyjny model widzenia, języka i działania jako efektywnego robota-perceivera.

Badania

Oficjalne repozytorium badania przeciwstawnych luk w modelach wizyjnych, językowych i działania w robotyce

Badania

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.

Badania

Spirit-v1.5: Robotyczny model podstawowy autorstwa Spirit AI

Badania

VIRENA demonstruje małą politykę VLA dla ManiSkill PickCube z zasobami integracyjnymi LeRobot.

Badania

VITRA: Skalowalny model wizji, języka i działania, przygotowujący do manipulacji robotami, z wykorzystaniem filmów wideo przedstawiających aktywność człowieka

Badania

VLA From Scratch porównuje reprezentacje działań w ramach demonstracji multimodalnych i zadań związanych z usuwaniem przeszkód.

Badania

W kierunku wszechstronnych modeli wizja-język-działanie poprzez uczenie się ujednoliconych reprezentacji wizja-ruch

Badania

Model badawczy wizja-język-działanie manipulacji robotami.

Otwarte źródło

Otwarty model wizja-język-działanie do manipulacji robotem.

Otwarte źródło

Kompaktowy model wizja-język-działanie w ekosystemie LeRobot.

Badania

Podstawowy model robota firmy Physical Intelligence.