Webbplats
Cosmos Policy
Ett robotpolitiskt projekt som använder världsmodellrepresentationer.
Världens modellerTHE EMBODIED AI DIRECTORY
Utforska vision-språk-action-modeller och robotmodeller för perception, manipulation och kontroll.
Webbplats
Ett robotpolitiskt projekt som använder världsmodellrepresentationer.
Världens modeller
Förvar
Uni-NaVid: En videobaserad Vision-Language-Action Model för att förena förkroppsligade navigeringsuppgifter.
Vision-språk-handling
Förvar
världsmodelleringsutmaning för humanoida robotar
Världens modeller
Förvar
Förvar
Being-H är BeingBeyonds familj av människocentrerade grundmodeller.
Robotpolitik
Förvar
Från vision-språk-handlingsmodeller till en verklig robotinlärningsstapel
Vision-språk-handling
Förvar
VLA-0 tillhandahåller forskningskod för att bygga vision-språk-action-modeller från vision-språk-modeller.
Vision-språk-handling
Förvar
Ett enhetligt ramverk för utbildning, finjustering och utvärdering av World Action Models
Världens modeller
Förvar
ICCV 2025 | TesserAct: Learning 4D Embodied World Models
Världens modeller
Förvar
Green-VLA: iscensatt vision-språk-handlingsmodell för generalistrobotar
Vision-språk-handling
Förvar
Kod för RISE: Self-Improving Robot Policy with Compositional World Model
Världens modeller
Förvar
VLA-RFT tillhandahåller förstärkande finjusteringsresurser för vision-språk-action-modeller.
Vision-språk-handling
Förvar
En världsmodellförbättrad VLA för styrbar skicklig manipulation, tillsammans med optimerad träningsinfra.
Världens modeller
Förvar
En baslinjeimplementering för greppdetektering från punktmolndata.
Gripande modeller
Förvar
Lättviktsimplementering av Robotic World Model (RWM) och Uncertainty-Aware Robotic World Model (RWM-U)
Världens modeller
Förvar
WholebodyVLA studerar latenta VLA-representationer för rörelse och manipulation av hela kroppen.
Vision-språk-handling
Förvar
3D-CovDiffusion implementerar en 3D-medveten spridningspolicy för planering av täckningsvägar.
Robotpolitik
Förvar
Det officiella arkivet för den första versionen av ACE-Brain-grundmodellen.
Vision-språk-handling
Förvar
ACOT-VLA-WM är ett avancerat Vision-Language-Action-robotramverk som använder en prediktiv världsmodell för att generera visuella delmål, förbättra robotmanipulationsnoggrannheten på lång horisont och...
Världens modeller
Förvar
Förvar
Officiell kod för "motståndsrörelse och rörelseimitation för humanoid policyinlärning"
Robotpolitik
Förvar
Anchor-Align studerar VLA-finjustering med representationsförankring och språkhandlingsanpassning.
Vision-språk-handling
Förvar
AnyLoc tillhandahåller forskningskod för visuell platsigenkänning för lokalisering.
Perceptionsmodeller
Förvar
Vet du en resurs som hör hemma här?