unified_video_action 是视频领域的开源项目，由 ShuangLI59 开发，2025 年首次发布。
它收录于视频分类，该分类目前共有 473 个项目，GitHub 星标数为 413。
项目仍在小幅维护中，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，需自行部署。
它主要面向的使用场景是：机器人操作技能学习（如抓取、堆叠）。同类可对比的替代方案包括 GR-1、UniPi、VideoGPT。
unified_video_action
一个模型同时生成视频和动作，让机器人看得懂未来、动得准。
unified_video_action 是 RSS 2025 论文的官方 PyTorch 实现，旨在统一视频生成与机器人动作预测。该项目解决机器人操作中视觉生成与动作控制割裂的问题，通过一个联合模型同时生成未来视频帧和对应的动作序列，提升策略学习的泛化性与数据效率。核心能力包括：基于扩散模型的视频-动作联合生成、多任务统一框架、以及支持真实机器人数据集的训练与评估。项目代码结构清晰，提供预训练模型和推理脚本，适合机器人学习与视频生成交叉领域的研究者快速上手。
开源
free
视频生成
GitHub 星标
★ 413
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队ShuangLI59
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，需自行部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型robotics,video-generation
GitHub 星标★ 413
30天Star增速
HF 下载量
上线时间2025-03-04 00:00:00
最近更新2026-09-23 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1
使用教程
核心亮点
- 统一视频生成与动作预测，减少模块级联误差
- 基于扩散模型，生成质量高且支持多模态条件
- 提供官方实现与预训练权重，复现门槛低
不足之处
- 文档/社区待观察
- 依赖机器人数据集，通用视频生成场景适配有限
适用场景
- 机器人操作技能学习（如抓取、堆叠）
- 视频预测驱动的视觉-运动联合建模
- 多任务机器人策略的预训练与微调
替代项目
GR-1、UniPi、VideoGPT
项目介绍
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
MagicDance
开源
一张图+任意动作，生成身份不变的逼真人物视频
[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···