具身智能与机器人资源导航
Explore vision-language-action models and robotics foundation models for perception, manipulation and control.
UniAct研究具体基础模型的通用动作表示。
四足机器人A1具有AMP的自然运动、跳跃和恢复
X-VLA研究用于跨实施例视觉-语言-动作学习的软提示变换器。
HiMoE-VLA研究用于视觉-语言-动作学习的分层专家混合策略。
DreamDojo研究从人类视频数据学习的机器人世界模型。
论文“SR-AIF：通过主动推理和世界模型解决来自像素的稀疏奖励机器人任务”的正式实施
SimpleVLA-RL提供VLA策略的强化学习训练资源。
VLAC:用于机器人现实世界强化学习的视觉-语言-动作-批评模型
VLA-RL提供用于使VLA模型适应机器人操作的强化学习代码。
基于实体基础模型构建通用机器人
LingBot-VLA提供视觉-语言-动作基础模型项目。
DexMachina的代码库：用于双手灵巧操作的功能重定向
FOCA研究面向未来的数据高效VLA适应的调节。
用于灵巧操作的极简重定向引导强化学习方法
视觉模仿实现情境人形控制。 CoRL 2025，最佳学生论文奖。
使用世界模型表示的机器人策略项目。
Uni-NaVid:用于统一具体化导航任务的基于视频的视觉-语言-动作模型。
人形机器人的世界建模挑战
用于机器人操纵的语言引导的3D值图规划。
Being-H是BeingBeyond的以人为中心的具体化基础模型家族。
从视觉-语言-动作模型到现实世界的机器人学习堆栈
VLA-0提供用于从视觉-语言模型构建视觉-语言-动作模型的研究代码。
用于训练、微调和评估世界行动模型的统一框架
ICCV 2025 | TesserAct：学习 4D 体现世界模型
知道属于这里的资源吗？
科研
代码仓库
