视觉-语言-行动

科研

用于物理智能机器人策略的代码和模型资源。

科研

机器人基础-用于人形学习工作流程的模型资源。

科研

NVIDIA Alpamayo 1.5 Nano是用于自动驾驶车辆的开放式10B推理VLA模型，具有强化学习增强推理、导航引导和视觉问答。

科研

DeeR-VLA研究用于机器人执行的动态多模态模型推理。

科研

用于适应OpenVLA动作预测的微调工具。

科研

InternVLA-M1提供了用于机器人策略的空间引导视觉-语言-动作框架。

科研

移动机器人基础模型的官方代码和检查点发布：GNM、ViNT和NoMaD。

开源

RDT-1B:用于双手操作的扩散基础模型

科研

该存储库是“NaVILA：用于导航的腿式机器人视觉-语言-动作模型”的实现

科研

一种用于将视觉语言模型连接到机器人动作的框架。

科研

使用潜在动作表示的机器人策略研究。

科研

InternNav提供了用于开发导航基础模型的平台。

科研

Physical Intelligence提出的机器人基础模型架构π₀的实现

科研

GraspVLA提供用合成动作数据预训练的抓取模型研究。

科研

🔥 SpatialVLA：一种空间增强的视觉-语言-动作模型，经过 110 万个真实机器人场景的训练。于 RSS 2025 接受。

科研

我们的论文《引导你的通才：通过价值指导改进机器人基础模型》（CoRL 2024）的正式实施

科研

MoLe-VLA的官方代码：通过混合层实现高效机器人操作的动态跳层视觉语言动作模型

科研

BAAI UniVLA提供统一的视觉-语言-动作模型研究项目。

科研

UniAct研究具体基础模型的通用动作表示。

科研

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。

科研

HiMoE-VLA研究用于视觉-语言-动作学习的分层专家混合策略。

科研

SimpleVLA-RL提供VLA策略的强化学习训练资源。

科研

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

科研

VLA-RL提供用于使VLA模型适应机器人操作的强化学习代码。