vla

MindPaw — cão-robô quadrúpede de mesa baseado em ESP8266, com suporte a interação por voz (HLK-V20), reconhecimento de gestos (OV2640+MLP leve), conversação por IA (modelo Doubao), computação afetiva PAD e controle remoto via Wi-Fi. Custo total de materiais ≈¥50, código/PCB/impressão 3D totalmente open source, ideal para iniciantes em robótica, IA embarcada e pesquisa de interação humano-robô (HRI).

NVIDIA Alpamayo 1 Nano é um modelo VLA de raciocínio aberto de 10B para veículos autônomos que combina trajetórias de direção com raciocínio de Cadeia de Causalidade.

[ICLR 2026] SimpleVLA-RL: Escalando o treinamento de VLA via aprendizado por reforço

Um modelo de fundação VLA pragmático

Dexbotic: Caixa de ferramentas de código aberto para visão, linguagem e ação

[RSS 2025] Aprendendo a agir em qualquer lugar com ações latentes centradas em tarefas

Plataforma aberta da InternRobotics para construir modelos fundamentais de navegação generalizada.

Base de código unificada para Modelos de Mundo Avançados.

[Destaque NeurIPS 2025] Implementação oficial de "FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving"

🚀🚀🚀Uma coleção de projetos públicos incríveis sobre Modelos de Linguagem de Grande Escala (LLM), Modelos de Visão e Linguagem (VLM), Visão, Linguagem e Ação (VLA), Conteúdo Gerado por IA (AIGC), além de conjuntos de dados e aplicativos relacionados.

🔥 SpatialVLA: um modelo de visão-linguagem-ação aprimorado espacialmente, treinado em 1,1 milhão de episódios de robôs reais. Aceito no RSS 2025.

Executando VLA a uma taxa de quadros de 30Hz e frequência de trajetória de 480Hz.

Este projeto visa fornecer um manual de aprendizado e entrevista totalmente em chinês e orientado à prática para engenheiros de algoritmos dedicados a entrar no campo de VLA (Visão-Linguagem-Ação). Diferente dos guias de entrevista gerais de CV/NLP, este projeto foca nos desafios específicos da Robótica.

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

FlashRT é um motor de inferência em tempo real de alto desempenho para cargas de trabalho de IA de lote pequeno e sensíveis à latência. A integração principal é o controle VLA de produção para Pi0, Pi0.5, GROOT N1.6 e Pi0-FAST. Também suporta LLM, por exemplo, qwen3.6-27B

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

DeepThinkVLA: Aprimorando a capacidade de raciocínio de modelos de visão-linguagem-ação