vla

MindPaw — Robot anjing berkaki empat berbasis ESP8266 untuk desktop, mendukung interaksi suara (HLK-V20), pengenalan gestur (OV2640+MLP ringan), AI percakapan (model Doubao), komputasi emosi PAD, dan kendali jarak jauh via WiFi. Total biaya material ≈¥50, kode/PCB/cetak 3D sepenuhnya open source, cocok untuk pemula robotika, AI tertanam, dan riset interaksi emosional HRI.

NVIDIA Alpamayo 1 Nano adalah model VLA penalaran 10B terbuka untuk kendaraan otonom yang memadukan lintasan mengemudi dengan penalaran Chain-of-Causation.

[ICLR 2026] SimpleVLA-RL: Menskalakan pelatihan VLA melalui Reinforcement Learning

Model dasar VLA yang pragmatis

Dexbotic: Toolbox Vision-Language-Action Open-Source

[RSS 2025] Belajar bertindak di mana saja dengan tindakan laten yang berpusat pada tugas

Platform terbuka InternRobotics untuk membangun model dasar navigasi umum.

Basis kode terpadu untuk World Models tingkat lanjut.

[Sorotan NeurIPS 2025] Implementasi resmi untuk "FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving"

🚀🚀🚀Kumpulan beberapa proyek publik hebat tentang Large Language Model (LLM), Vision Language Model (VLM), Vision Language Action (VLA), AI Generated Content (AIGC), serta Dataset dan Aplikasi terkait.

🔥 SpatialVLA: model vision-language-action yang disempurnakan secara spasial dan dilatih pada 1,1 Juta episode robot nyata. Diterima di RSS 2025.

Menjalankan VLA pada frame rate 30Hz dan frekuensi lintasan 480Hz.

[ICLR2026] Implementasi resmi untuk "JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation"

Proyek ini bertujuan untuk menyediakan manual pembelajaran/wawancara berbahasa Mandarin yang berorientasi pada praktik bagi para insinyur algoritma yang ingin memasuki bidang VLA (Vision-Language-Action). Berbeda dengan panduan wawancara CV/NLP umum, proyek ini berfokus pada tantangan unik Robotics.

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

FlashRT adalah mesin inferensi waktu nyata berkinerja tinggi untuk beban kerja AI batch kecil yang sensitif terhadap latensi. Integrasi utamanya adalah kontrol VLA produksi untuk Pi0, Pi0.5, GROOT N1.6, dan Pi0-FAST. Juga mendukung LLM seperti qwen3.6-27B

DeepThinkVLA: Meningkatkan Kemampuan Penalaran Model Vision-Language-Action