vla

🐕 MindPaw — ESP8266 をベースにしたデスクトップ型 4 足歩行ロボット犬。音声対話 (HLK-V20)、ジェスチャー認識 (OV2640+軽量 MLP)、AI 対話 (豆包大模型)、PAD 感情計算、WiFi Web リモコンをサポート。総部品コストは約 50 元、コード/PCB/3D プリントはすべてオープンソースで、ロボット入門、組み込み AI、HRI 感情インタラクションの研究に最適。

NVIDIA Alpamayo 1 Nanoは、走行軌跡とChain-of-Causation推論を組み合わせた、自動運転車向けのオープンな10B推論VLAモデルです。

[ICLR 2026] SimpleVLA-RL: 強化学習による VLA トレーニングのスケーリング

実用的なVLA基盤モデル

Dexbotic: オープンソースのVision-Language-Actionツールボックス

[RSS 2025] タスク中心の潜在アクションを用いた、あらゆる場所での行動学習

汎用ナビゲーション基盤モデル構築のためのInternRoboticsのオープンプラットフォーム

高度なワールドモデルのための統合コードベース。

「FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving」の公式実装 (NeurIPS 2025 スポットライト採択)

🚀🚀🚀 大規模言語モデル（LLM）、視覚言語モデル（VLM）、視覚言語行動モデル（VLA）、AI生成コンテンツ（AIGC）、および関連するデータセットやアプリケーションに関する素晴らしい公開プロジェクトのコレクション。

🔥 SpatialVLA: 110万件の実ロボットエピソードでトレーニングされた、空間拡張ビジョン・言語・行動モデル。RSS 2025採択。

30Hzのフレームレートと480Hzの軌道周波数でのVLAの実行

[ICLR2026] 「JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation」の公式実装

本プロジェクトは、VLA（Vision-Language-Action）分野を目指すアルゴリズムエンジニア向けに、完全中国語による実践指向の学習・面接ハンドブックを提供することを目的としています。一般的なCV/NLPの面接ガイドとは異なり、ロボティクス特有の課題に焦点を当てています。

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

FlashRTは、小バッチかつ低レイテンシが求められるAIワークロード向けの高性能リアルタイム推論エンジンです。主な統合機能として、Pi0、Pi0.5、GROOT N1.6、Pi0-FASTのプロダクションVLA制御をサポートします。また、qwen3.6-27BなどのLLMもサポートしています。

DeepThinkVLA：視覚・言語・行動（VLA）モデルの推論能力の向上