vla

🐕 MindPaw — 基于 ESP8266 的桌面级四足机器狗，支持语音交互 (HLK-V20)、手势识别 (OV2640+轻量 MLP)、AI 对话 (豆包大模型)、PAD 情感计算、WiFi 网页遥控。总物料成本 ≈¥50，代码/PCB/3D打印全开源，适合机器人入门、嵌入式 AI、HRI 情感交互研究。

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。

[ICLR 2026] SimpleVLA-RL：通过强化学习扩展 VLA 训练

实用的 VLA 基础模型。

Dexbotic：开源视觉-语言-动作工具箱

[RSS 2025] 通过以任务为中心的潜在动作学习在任意地方行动

InternRobotics 用于构建通用导航基础模型的开放平台。

先进世界模型的统一代码库

[NeurIPS 2025 spotlight]「FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving」的官方实现

🚀🚀🚀 收集一些关于大型语言模型（LLM）、视觉语言模型（VLM）、视觉语言动作（VLA）、AI 生成内容（AIGC）以及相关数据集与应用的优秀公开项目。

🔥 SpatialVLA：一个在 110 万笔真实机器人互动资料上训练的空间强化视觉语言动作模型。已被 RSS 2025 接受。

以 30Hz 的帧率和 480Hz 的轨迹频率运行 VLA

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

[ICLR2026]“JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation”的官方实现

FlashRT 是一款高性能实时推理引擎，专为小批次、低延迟 AI 工作负载设计。旗舰集成包含 Pi0、Pi0.5、GROOT N1.6 及 Pi0-FAST 的生产级 VLA 控制，并支持如 qwen3.6-27B 等大型语言模型。

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

DeepThinkVLA：增强视觉-语言-动作模型的推理能力

人形机器人运动智能论文、开源项目、产业与求职知识库