vla

🐕 MindPaw — Ein ESP8266-basierter Desktop-Vierbeiner-Roboterhund mit Sprachinteraktion (HLK-V20), Gestenerkennung (OV2640 + leichtgewichtige MLP), KI-Dialog (Doubao-Modell), PAD-Emotionsberechnung und WiFi-Web-Fernsteuerung. Gesamte Materialkosten ca. 50 ¥, Code/PCB/3D-Druck vollständig Open Source, ideal für Robotikeinstieg, Embedded-KI und HRI-Emotionsinteraktionsforschung.

NVIDIA Alpamayo 1 Nano ist ein offenes 10B-Reasoning-VLA-Modell für autonome Fahrzeuge, das Fahrbahnen mit Chain-of-Causation-Reasoning verknüpft.

[ICLR 2026] SimpleVLA-RL: Skalierung des VLA-Trainings durch Reinforcement Learning

Ein pragmatisches VLA-Grundlagenmodell

Dexbotic: Open-Source Vision-Language-Action-Toolbox

[RSS 2025] Lernen, überall zu handeln, mithilfe aufgabenzentrierter latenter Aktionen

InternRobotics' offene Plattform zum Erstellen verallgemeinerter Navigations-Fundamentmodelle.

Einheitliche Codebasis für fortschrittliche Weltmodelle.

[NeurIPS 2025 Spotlight] Offizielle Implementierung für „FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving“

🚀🚀🚀 Eine Sammlung großartiger öffentlicher Projekte zu Large Language Models (LLM), Vision Language Models (VLM), Vision Language Action (VLA), AI Generated Content (AIGC) sowie den zugehörigen Datensätzen und Anwendungen.

SpatialVLA: Ein räumlich erweitetes Vision-Language-Action-Modell, trainiert mit 1,1 Millionen realen Roboter-Episoden. Angenommen bei RSS 2025.

Ausführung von VLA mit einer Bildrate von 30 Hz und einer Trajektorienfrequenz von 480 Hz

Dieses Projekt bietet Algorithmen-Ingenieuren, die in den Bereich VLA (Vision-Language-Action) einsteigen möchten, ein praxisorientiertes Lern- und Interview-Handbuch. Im Gegensatz zu allgemeinen CV/NLP-Leitfäden konzentriert sich dieses Projekt auf die spezifischen Herausforderungen der Robotik.

[ICLR2026] Offizielle Implementierung für "JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation".

A high-performance framework for training LLMs, VLMs, diffusion, and embodied models on NVIDIA GPUs and Kunlun XPUs.

FlashRT ist eine leistungsstarke Echtzeit-Inferenz-Engine für KI-Workloads mit kleinen Batches und geringer Latenz. Die Hauptintegration umfasst die VLA-Steuerung für Pi0, Pi0.5, GROOT N1.6 und Pi0-FAST sowie Unterstützung für LLMs wie Qwen3.6-27B.

DeepThinkVLA: Verbesserung der Schlussfolgerungsfähigkeit von Vision-Language-Action-Modellen