vla

🐕 MindPaw — Chó robot bốn chân để bàn dựa trên ESP8266, hỗ trợ tương tác giọng nói (HLK-V20), nhận dạng cử chỉ (OV2640+MLP nhẹ), trò chuyện AI (mô hình lớn Doubao), tính toán cảm xúc PAD, điều khiển từ xa qua web WiFi. Tổng chi phí linh kiện ≈¥50, mã nguồn/PCB/in 3D hoàn toàn mở, phù hợp cho người nhập môn robot, AI nhúng, nghiên cứu tương tác cảm xúc HRI.

NVIDIA Alpamayo 1 Nano là mô hình VLA suy luận 10B mã nguồn mở dành cho xe tự lái, kết hợp quỹ đạo lái xe với lý luận Chuỗi nguyên nhân (Chain-of-Causation).

[ICLR 2026] SimpleVLA-RL: Tăng tỷ lệ huấn luyện VLA thông qua Học tăng cường

Mô hình nền tảng VLA thực tế

Dexbotic: Bộ công cụ Vision-Language-Action mã nguồn mở

[RSS 2025] Học cách hành động ở mọi nơi với các hành động tiềm ẩn tập trung vào tác vụ

Nền tảng mở của InternRobotics để xây dựng các mô hình nền tảng điều hướng tổng quát.

Cơ sở mã hợp nhất cho các mô hình thế giới nâng cao.

[NeurIPS 2025 spotlight] Triển khai chính thức cho "FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving"

🚀🚀🚀 Bộ sưu tập các dự án công khai ấn tượng về Mô hình ngôn ngữ lớn (LLM), Mô hình ngôn ngữ thị giác (VLM), Hành động ngôn ngữ thị giác (VLA), Nội dung do AI tạo (AIGC), cùng các bộ dữ liệu và ứng dụng liên quan.

SpatialVLA: mô hình hành động ngôn ngữ-thị giác tăng cường không gian được huấn luyện trên 1,1 triệu tập dữ liệu robot thực tế. Được chấp nhận tại RSS 2025.

Chạy VLA ở tốc độ khung hình 30Hz và tần suất quỹ đạo 480Hz

Dự án này cung cấp sổ tay học tập và phỏng vấn thực chiến bằng tiếng Trung dành cho các kỹ sư thuật toán muốn tham gia lĩnh vực VLA (Vision-Language-Action), tập trung vào các thách thức đặc thù của Robotics

[ICLR2026] Triển khai chính thức cho "JanusVLN: Tách biệt ngữ nghĩa và không gian với bộ nhớ ẩn kép cho điều hướng ngôn ngữ-hình ảnh"

FlashRT là công cụ suy luận thời gian thực hiệu năng cao cho các tác vụ AI có độ trễ thấp và batch nhỏ. Tích hợp chủ đạo bao gồm điều khiển VLA sản xuất cho Pi0, Pi0.5, GROOT N1.6 và Pi0-FAST. Ngoài ra còn hỗ trợ LLM như qwen3.6-27B

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

DeepThinkVLA: Nâng cao khả năng suy luận của các mô hình Vision-Language-Action