OpenVLA

Modelo de visión-lenguaje-acción (VLA) de código abierto que impulsa el desarrollo de la robótica.

Producto ComúnProductividadRobóticaInteligencia artificial

OpenVLA es un modelo de visión-lenguaje-acción (VLA) de código abierto con 700 millones de parámetros, preentrenado en 970 000 episodios robóticos del conjunto de datos Open X-Embodiment. El modelo establece un nuevo estándar en estrategias de manipulación robótica general, admite el control de múltiples robots listos para usar y se adapta rápidamente a nuevas configuraciones robóticas mediante un ajuste fino eficiente de parámetros. El punto de control y el flujo de entrenamiento de PyTorch de OpenVLA son completamente de código abierto; el modelo se puede descargar de Hugging Face y ajustar finamente.

Best AI Websites & Tools

OpenVLA

OpenVLA Situación del tráfico más reciente

OpenVLA Tendencia de visitas

OpenVLA Distribución geográfica de las visitas

OpenVLA Fuentes de tráfico

OpenVLA Alternativas

OpenVLA — Modelo de visión-lenguaje-acción (VLA) de código abierto que impulsa el desarrollo de la robótica.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

Clon — Clon es un robot humanoide con tecnología revolucionaria de músculos artificiales Myofiber, capaz de caminar de forma natural.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

Aria Gen 2 — Aria Gen 2 son unas gafas inteligentes de nueva generación para la investigación en percepción mecánica, IA contextual y robótica.

IndexTTS — Sistema de texto a voz (TTS) de muestra cero, eficiente y controlable de grado industrial

Figure AI Helix — Helix es un modelo de visión-lenguaje-acción para el control de robots humanoides de propósito general.

QwQ-Max-Vista previa — QwQ-Max-Vista previa es el último logro de la serie Qwen, construido sobre Qwen2.5-Max, y cuenta con una potente capacidad de razonamiento y aplicaciones multidominio.

AlphaMaze-v0.2-1.5B — Método innovador para mejorar la capacidad de razonamiento visual de los modelos lingüísticos grandes (LLM) mediante la resolución de tareas de laberintos descritos en texto.

El Manual de Sistemas Ultraescalables — Una herramienta enfocada en el diseño y optimización de sistemas ultraescalables, ofreciendo soluciones eficientes.

SkyReels-V1-Hunyuan-I2V — SkyReels V1 es un modelo base de video centrado en el ser humano, de código abierto, enfocado en la generación de videos de alta calidad con apariencia cinematográfica.

OpenThinker-32B — OpenThinker-32B es un potente modelo de inferencia de código abierto, diseñado para mejorar la capacidad de razonamiento con datos abiertos.

Aplicación OLMoE — Ai2 OLMoE es una aplicación de modelo de lenguaje de código abierto que se ejecuta en dispositivos iOS.

Huginn-0125 — Huginn-0125 es un modelo de profundidad recurrente con variables latentes de 3.5 mil millones de parámetros, que destaca en el razonamiento y la generación de código.

FireRedASR — Modelo de Reconocimiento Automático del Habla (RAH) en mandarín estándar de nivel industrial de código abierto, compatible con múltiples escenarios de aplicación.

RAG-FiT — RAG-FiT es una biblioteca diseñada para mejorar la capacidad de los LLMs (Modelos de Lenguaje Grande) de utilizar información externa mediante el ajuste fino del modelo con un conjunto de datos RAG (Recuperación Aumentada de Generación) especialmente creado.

Nombre en Clave Goose — Agente de inteligencia artificial que se ejecuta localmente y automatiza tareas de ingeniería sin problemas.

Open-source DeepResearch — Herramienta de investigación profunda de código abierto, cuyo objetivo es reproducir las funciones de Deep Research mediante un framework de código abierto.

ASAP — ASAP es una técnica para el aprendizaje de habilidades de cuerpo completo en robots humanoides ágiles, que logra la transferencia de habilidades mediante la alineación de la física simulada y del mundo real.

Tülu 3 405B — Tülu 3 405B es un modelo de lenguaje abierto de gran escala, cuyo rendimiento se ha mejorado mediante aprendizaje por refuerzo.

SpeechGPT 2.0-versión preliminar — Primer sistema de interacción en tiempo real a nivel humano orientado a la inteligencia contextual, que admite la interacción de voz con múltiples emociones y estilos.

leapfusion-hunyuan-image2video — Una novedosa tecnología de muestreo de imagen a vídeo, basada en el modelo Hunyuan para generar vídeos de alta calidad.

Baichuan-M1-14B — Modelo de lenguaje extenso de código abierto desarrollado por Baichuan Intelligence, optimizado específicamente para escenarios médicos. Posee una capacidad general excepcional y un rendimiento superior en el ámbito médico.

FilmAgent — FilmAgent es un marco de colaboración multiagente basado en LLM para la producción cinematográfica automatizada de extremo a extremo en espacios 3D virtuales.

DeepSeek-R1 — DeepSeek-R1 es un modelo de inferencia de alto rendimiento que admite múltiples idiomas y tareas, adecuado para aplicaciones de investigación y comerciales.

Flex.1-alpha — Un modelo de preentrenamiento para generar imágenes a partir de texto, con 8 mil millones de parámetros y licencia de código abierto Apache 2.0.

modelos-llm-autoadaptables — Un marco de modelos de lenguaje extenso (LLM) autoadaptable que se ajusta en tiempo real a tareas no vistas.

Moondream AI — Modelo de lenguaje visual de código abierto que se ejecuta en varios dispositivos.

conjuntos-de-datos-llm — Conjuntos de datos, herramientas y conceptos de alta calidad para el ajuste fino de modelos de lenguaje a gran escala.

Valley 2.0 — Modelo de lenguaje grande multimodal que mejora el procesamiento de datos de texto, imágenes y vídeo.