vision-language-action

Mano-P：用于边缘设备的开源 GUI-VLA 代理程序。在 OSWorld 上排名第一（专门领域，58.2%）。可在 Apple M4 Mac mini/MacBook 上本地运行 —— 确保所有数据不出设备。Mano-P 是一个开源 GUI-VLA 项目，支持在 Mac mini/MacBook 上或通过算力棒本地运行推理，实现纯视觉驱动的跨平台 GUI 自动化操作。数据完全本地处理，支持复杂多步骤任务规划与执行。

NVIDIA Alpamayo 1 Nano 是一个用于自动驾驶的开源 10B 推理 VLA 模型，将驾驶轨迹与因果链（Chain-of-Causation）推理相结合。

[CVPR 2025] 用于 GUI Agent 与计算机操作的开源、端到端视觉-语言-动作模型。

[NeurIPS 2025] AutoVLA：用于端到端自动驾驶，具备自适应推理与强化微调的视觉-语言-动作模型

[ICLR 2026] ReCogDrive：用于端到端自动驾驶的强化认知框架

本项目旨在为致力于进入 VLA (Vision-Language-Action) 领域的算法工程师提供一份全中文、实战导向的学习/面试手册。不同于通用的 CV/NLP 面试指南，本项目聚焦于 Robotics 特有的挑战

[ICLR 2026] 面向全身运动控制的统一潜在 VLA。