Vision-språk-handling

Forskning

Kod- och modellresurser för Physical Intelligence-robotpolicyer.

Forskning

Robotfundamentmodellresurser för humanoida inlärningsarbetsflöden.

Forskning

NVIDIA Alpamayo 1.5 Nano är en öppen 10B-resonerande VLA-modell för autonoma fordon med förstärkt resonemang, navigationsvägledning och visuella frågor.

Forskning

DeeR-VLA studerar dynamisk multimodal modell slutledning för robotexekvering.

Forskning

Finjustera verktyg för att anpassa OpenVLA actionförutsägelse.

Forskning

InternVLA-M1 tillhandahåller ett rumsligt styrt ramverk för vision-språk-handling för robotpolicyer.

Forskning

Officiell kod och kontrollpunkt för mobila robotfundamentmodeller: GNM, ViNT och NoMaD.

Öppen källkod

RDT-1B: en diffusionsgrundmodell för bimanuell manipulation

Forskning

Detta förråd är implementeringen av "NaVILA: Legged Robot Vision-Language-Action Model for Navigation"

Forskning

Ett ramverk för att koppla vision-språkmodeller till robotåtgärder.

Forskning

Robotpolitisk forskning med hjälp av latent handlingsrepresentationer.

Forskning

InternNav tillhandahåller en plattform för att utveckla navigeringsgrundmodeller.

Forskning

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

Forskning

GraspVLA tillhandahåller forskning om greppmodeller förutbildad med syntetiska handlingsdata.

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

UniAct studerar universella handlingsrepresentationer för förkroppsligade grundmodeller.

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

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.