vla

🐕 MindPaw — Perro robot cuadrúpedo de escritorio basado en ESP8266, compatible con interacción por voz (HLK-V20), reconocimiento de gestos (OV2640 + MLP ligero), chat de IA (modelo Doubao), computación afectiva en PAD y control remoto web por WiFi. Costo total de materiales ≈¥50, código/PCB/impresión 3D totalmente de código abierto, ideal para iniciación en robótica, IA embebida e investigación de interacción afectiva HRI.

NVIDIA Alpamayo 1 Nano es un modelo VLA de razonamiento abierto de 10B para vehículos autónomos que combina trayectorias de conducción con razonamiento de cadena de causalidad.

[ICLR 2026] SimpleVLA-RL: Escalado del entrenamiento de VLA mediante aprendizaje por refuerzo.

Un modelo fundacional VLA pragmático.

Dexbotic: Caja de herramientas de código abierto para visión, lenguaje y acción

[RSS 2025] Aprender a actuar en cualquier lugar con acciones latentes centradas en la tarea.

Plataforma abierta de InternRobotics para construir modelos base de navegación generalizada.

Base de código unificada para modelos de mundo avanzados.

[NeurIPS 2025 spotlight] Implementación oficial de "FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving".

Una colección de proyectos públicos sobre modelos de lenguaje extensos (LLM), modelos de lenguaje visual (VLM), acción de lenguaje visual (VLA), contenido generado por IA (AIGC), y sus conjuntos de datos y aplicaciones relacionados.

SpatialVLA: un modelo de visión-lenguaje-acción con mejora espacial entrenado en 1.1 millones de episodios de robots reales. Aceptado en RSS 2025.

Ejecución de VLA a una tasa de 30 fotogramas por segundo y una frecuencia de trayectoria de 480Hz

[ICLR2026] Implementación oficial de "JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation"

Este proyecto tiene como objetivo proporcionar un manual de aprendizaje y entrevistas práctico y totalmente en chino para ingenieros de algoritmos dedicados al campo de VLA (Visión-Lenguaje-Acción). A diferencia de las guías generales de CV/NLP, este proyecto se centra en los desafíos específicos de la robótica.

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

FlashRT es un motor de inferencia en tiempo real de alto rendimiento para cargas de trabajo de IA de lotes pequeños y sensibles a la latencia. Su integración principal es el control VLA de producción para Pi0, Pi0.5, GROOT N1.6 y Pi0-FAST. También admite LLM como qwen3.6-27B.

DeepThinkVLA: Mejora de la capacidad de razonamiento de los modelos de visión-lenguaje-acción.