VoxPoser

说句话，机器人就能干活，无需训练直接上手

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 111 🐛 待处理 32 👀 关注 8

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 840

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队huangwl18

官网地址https://voxposer.github.io

GitHubhttps://github.com/huangwl18/VoxPoser

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型embodied-ai,foundation-models,large-language-models,motion-planning,robotic-manipulation,robotics,vision-language-model

GitHub 星标★ 840

上线时间2023-11-02 00:00:00

代码更新2025-02-20

仓库体积7.3 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数2

项目介绍

VoxPoser 是一个将大语言模型（LLM）与机器人操作相结合的框架，旨在让机器人仅通过自然语言指令就能完成复杂的物理操作任务。它解决了传统机器人编程需要专业代码或大量演示数据的问题，核心能力是构建可组合的3D价值图（3D Value Maps），将语言指令转化为机器人可执行的轨迹。用户只需输入如“把红色方块放到蓝色盒子里”这样的指令，VoxPoser 会利用 LLM 的常识推理和场景理解，生成一系列操作步骤，并映射到3D空间中的价值分布，引导机器人完成抓取、移动、放置等动作。整个过程无需额外训练或微调，直接利用预训练模型，具有较好的泛化性和可解释性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 840

技术标签

embodied-ai foundation-models large-language-models robotics vision-language-model

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 50 分钟部署方式：本地安装 4 步

环境要求

Python 3.9
仿真环境（如 CoppeliaSim）
LLM/VLM 端点

安装与启动步骤

1建环境

用 LLM+VLM 零样本合成操作轨迹，Python 3.9。

conda create -n voxposer-env python=3.9
conda activate voxposer-env
pip install -r requirements.txt

2配模型

要填 LLM 与 VLM 的端点，视觉模型给场景理解。
```
# 在 config 里填 API Key 与模型名
```
3准备场景

仿真器与相机参数要对齐，否则坐标全错。
```
# 启动仿真环境后加载场景配置
```
4跑演示

给一句自然语言指令，看轨迹是否合理。
```
python demo.py --instruction "put the apple in the bowl"
```