Modeller

Forskning

Robotmanipulationsmodellresurser från Allen Institute for AI.

Forskning

InternNav tillhandahåller en plattform för att utveckla navigeringsgrundmodeller.

Forskning

DayDreamer tillhandahåller världsmodellmetoder för fysisk robotinlärning.

Forskning

Ett forskningsprojekt för video-actionmodeller för robotstyrning.

Forskning

Forskningsverktyg för uppskattning av objektposition för robotuppfattning.

Forskning

Implementering av π₀, den robotbaserade grundmodellarkitekturen som föreslagits av Physical Intelligence

Forskning

GraspVLA tillhandahåller forskning om greppmodeller förutbildad med syntetiska handlingsdata.

Forskning

Lär dig smidig mänsklig rörelse genom Lipschitz-begränsade riktlinjer

Forskning

🔥 SpatialVLA: en rumslig förbättrad vision-språk-action-modell som tränas på 1,1 miljoner riktiga robotavsnitt. Godkänd på RSS 2025.

Forskning

officiell implementering av vårt papper Steering Your Generalists: Improving Robotic Foundation Models via Value Guidance (CoRL 2024)

Forskning

Officiell kod för MoLe-VLA: Dynamic Layer-hopping Vision Language Action Model via Mixture-of-Layers for Efficient Robot Manipulation

Forskning

BAAI UniVLA tillhandahåller ett enhetligt forskningsprojekt för vision-språk-actionmodell.

Forskning

Officiell implementering av artikeln: "PhysHSI: Towards a Real-World Generalizable and Natural Humanoid-Scene Interaction System"

Forskning

UniAct studerar universella handlingsrepresentationer för förkroppsligade grundmodeller.

Forskning

Naturlig rörelse, hoppning och återhämtning av fyrfotsrobot A1 med AMP

Forskning

X-VLA studerar mjuka transformatorer för vision-språk-action-inlärning mellan olika utförandeformer.

Forskning

HiMoE-VLA studerar hierarkiska blandning-av-experter-policyer för vision-språk-action-inlärning.

Forskning

DreamDojo studerar robotvärldsmodeller som lärt sig från mänskliga videodata.

Forskning

Officiell implementering av tidningen "SR-AIF: Solving Sparse-Reward Robotic Tasks from Pixels with Active Inference and World Models"

Forskning

SimpleVLA-RL tillhandahåller utbildningsresurser för förstärkning av VLA-policyer.

Forskning

VLAC: En Vision-Language-Action-Critic Model for Robotic Real-World Reinforcement Learning

Forskning

VLA-RL tillhandahåller förstärkningsinlärningskod för anpassning av VLA-modeller till robotmanipulation.

Forskning

LingBot-VLA tillhandahåller ett vision-språk-action-grundmodell-projekt.

Forskning

FOCA studerar framtidsorienterad konditionering för dataeffektiv VLA-anpassning.