Modeller / Forskning

SimpleMemVLA · OpenBMB

Native-videominne för vision-språk-action-modeller, med tidsstämplad visuell historia och exakt streaming-inferens för robotmanipulation med lång horisont.

vla
Utgivarens arkiv ↗
SimpleMemVLA · OpenBMB skärmdump av resurssidan
Resursskärmdump · tagna 2026-10-10 · visuellt granskad

Översikt

Native-videominne för vision-språk-action-modeller, med tidsstämplad visuell historia och exakt streaming-inferens för robotmanipulation med lång horisont.

Granska observations-/åtgärdsgränssnitt, kontrollpunkter, robotutföranden och anpassningskrav. Förvarskodlicensering licensierar inte automatiskt vikter eller träningsdata.

Projektinformation

Underhållare
OpenBMB
Primärt språk
Python
Förvarskodlicens
MIT
Modellviktslicens
Ej inspelat
Dataset licens
Ej inspelat
Hårdvarudesignlicens
Ej inspelat
Underhåll
Ej arkiverad i senast registrerade metadata
Senast observerade repository push
2026-09-24

Kodlicenser täcker inte automatiskt modellvikter, datauppsättningar eller hårdvarudesigner. Oinspelade licensdetaljer kräver bekräftelse med utgivaren.

Dokumentationssektioner

  • 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:

Bläddra i den här resursens kategorier

Utforska relaterade samlingar

Vision-språk-handlingsmodeller ↗