vision-language-action
本站收录 10 个带「vision-language-action」标签的 AI 开源项目
alpamayoalpamayo 是 NVIDIA 开源的 10B 参数推理型 VLA（视觉-语言-动作）模型，专为自动驾驶设计。它把驾驶轨迹预测与 Chain-of-Caus★ 2,030
VLA-HandbookVLA-Handbook 是一份面向算法工程师的全中文学习与面试手册，聚焦 VLA（Vision-Language-Action）这一具身智能核心方向。它解决的★ 657
inspect-robotsinspect-robots 是一个面向物理 AI（具身智能）的开源评测框架，目标是把机器人策略与视觉-语言-动作（VLA）模型的评估标准化。它解决的核心问题是★ 627
awesome-vla-for-ad这是一个聚焦视觉-语言-动作模型（VLA）在自动驾驶领域应用的精选资源列表，系统梳理了该方向从过去到未来的研究脉络。项目解决了自动驾驶领域研究者难以快速获取VL★ 483
EasyWAMEasyWAM 是一个面向具身智能与机器人领域的统一训练框架，专注于 World Action Model（世界动作模型）的构建。它把世界模型与视觉-语言-动作★ 377
UniActUniAct是CVPR 2025收录的官方实现，提出“通用动作”概念，旨在增强具身基础模型（如机器人操作模型）的能力。它解决的是具身智能中动作表示不统一、模型泛★ 245
alpamayo-recipesalpamayo-recipes 是 NVIDIA Alpamayo 的开发者中心，面向自动驾驶与物理 AI 场景，提供一整套可直接运行的模型配方。它解决的核心★ 193
XR-1XR-1是一个开源的多模态视觉-语言-动作模型，旨在通过统一的视觉-运动表征学习，实现机器人操作任务的通用泛化能力。该项目解决的是机器人学习领域中模型泛化性差、★ 184
Awesome-Embodied-AI-Safety这是一个关于具身AI安全领域的综述性开源项目，汇集了500多篇相关论文，系统梳理了具身AI在感知、认知、规划、交互和智能体系统等层面面临的风险、攻击与防御方法。★ 144
Awesome-AVIAwesome-AVI 是一个关于音频-视觉智能（Audio-Visual Intelligence）的精选资源列表，旨在系统梳理该领域的前沿研究、工具和数据集★ 90