vla

🐕 MindPaw — 基於 ESP8266 的桌面級四足機器狗，支援語音互動 (HLK-V20)、手勢辨識 (OV2640+輕量 MLP)、AI 對話 (豆包大模型)、PAD 情感運算、WiFi 網頁遙控。總物料成本 ≈¥50，程式碼/PCB/3D列印全開源，適合機器人入門、嵌入式 AI、HRI 情感互動研究。

NVIDIA Alpamayo 1 Nano 是一個用於自動駕駛的開源 10B 推理 VLA 模型，將駕駛軌跡與因果鏈（Chain-of-Causation）推理相結合。

[ICLR 2026] SimpleVLA-RL：透過強化學習擴展 VLA 訓練

實用的 VLA 基礎模型。

Dexbotic：開源視覺-語言-動作工具箱

[RSS 2025] 透過以任務為中心的潛在動作學習在任意地方行動

InternRobotics 用於建構通用導航基礎模型的開放平台。

先進世界模型的統一程式碼庫

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

🚀🚀🚀 收集一些關於大型語言模型（LLM）、視覺語言模型（VLM）、視覺語言動作（VLA）、AI 生成內容（AIGC）以及相關資料集與應用的優秀公開專案。

🔥 SpatialVLA：一個在 110 萬筆真實機器人互動資料上訓練的空間強化視覺語言動作模型。已被 RSS 2025 接受。

以 30Hz 的影格率與 480Hz 的軌跡頻率執行 VLA

本專案旨在為致力於進入 VLA (Vision-Language-Action) 領域的演算法工程師提供一份全中文、實戰導向的學習/面試手冊。不同於通用的 CV/NLP 面試指南，本專案聚焦於 Robotics 特有的挑戰

[ICLR2026]「JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation」的官方實作

FlashRT 是一款高效能即時推論引擎，專為小批次、低延遲 AI 工作負載設計。旗艦整合包含 Pi0、Pi0.5、GROOT N1.6 及 Pi0-FAST 的生產級 VLA 控制，並支援如 qwen3.6-27B 等大型語言模型。

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

DeepThinkVLA：增強視覺-語言-動作模型的推理能力

人形机器人运动智能论文、开源项目、产业与求职知识库