OpenEMMA

Modelo multimodal de conducción autónoma de extremo a extremo de código abierto

Producto ComúnProductividadConducción autónomaModelo de extremo a extremo

OpenEMMA es un proyecto de código abierto que reproduce el modelo EMMA de Waymo, proporcionando un marco de extremo a extremo para la planificación del movimiento de vehículos autónomos. El modelo utiliza modelos de lenguaje visual preentrenados (VLMs), como GPT-4 y LLaVA, integrando entradas de texto y cámara frontal para predecir con precisión los puntos de trayectoria futuros del vehículo y proporcionar las razones de la decisión. El objetivo de OpenEMMA es proporcionar a investigadores y desarrolladores herramientas de fácil acceso para avanzar en la investigación y las aplicaciones de conducción autónoma.

Best AI Websites & Tools

OpenEMMA

OpenEMMA Situación del tráfico más reciente

OpenEMMA Tendencia de visitas

OpenEMMA Distribución geográfica de las visitas

OpenEMMA Fuentes de tráfico

OpenEMMA Alternativas

OpenEMMA — Modelo multimodal de conducción autónoma de extremo a extremo de código abierto

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.

DeepSeek Japonés — DeepSeek es un modelo de lenguaje IA avanzado, especializado en razonamiento lógico, matemáticas y tareas de programación, disponible de forma gratuita.

Magma — Magma es un modelo base capaz de comprender y ejecutar entradas multimodales, utilizable en tareas y entornos complejos.

Janus-Pro-1B — Janus-Pro-1B es un marco autorregresivo unificado de comprensión y generación multimodal.

SmolVLM-500M-Instruct — SmolVLM-500M es un modelo multimodal ligero que puede procesar entradas de imagen y texto y generar salidas de texto.

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

VITA-1.5 — VITA-1.5: Modelo de lenguaje multimodal de gran tamaño de nivel GPT-4o con interacción visual y de voz en tiempo real

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

Gemini Multimodal Live + WebRTC — Aplicación monofichero que integra la transmisión multi-modal de Gemini y la tecnología WebRTC.

InternVL 2.5 — Serie de modelos lingüísticos grandes multimodales de código abierto

InternVL2_5-26B — Modelo de lenguaje grande multimodal que integra la comprensión visual y lingüística.

DiffusionDrive — Modelo de difusión truncado para conducción autónoma en tiempo real de extremo a extremo

Qwen2.5-Coder-3B — Modelo de 3B parámetros de la serie Qwen2.5-Coder, enfocado en la generación y comprensión de código.

NVLM 1.0 — Modelo de lenguaje grande multimodal de vanguardia

Llama 3.2 — Modelo de IA de código abierto, personalizable, destilable y desplegable.

LLaMA-Omni — Modelo de interacción de voz de extremo a extremo de alta calidad y baja latencia

OLMoE — Modelo de lenguaje mixto de expertos de código abierto con 130 millones de parámetros activos.

Mini-Omni — Modelo de lenguaje grande multi-modal de código abierto, compatible con entrada de voz en tiempo real y salida de audio en streaming.

Index-1.9B-Pure — Modelo de lenguaje grande ligero, enfocado en la generación de texto.

Modelo de Extracción de Información Yayi — Modelo de extracción de información de alta calidad basado en datos a gran escala

Serie GLM-4 — Modelo de diálogo multimodal y multilingüe de código abierto

CogVLM2 — Modelo de diálogo de preentrenamiento multimodal de segunda generación

Falcon 2 — Falcon 2 es un modelo multimodal y multilingüe de código abierto con capacidad de conversión de imagen a texto.

Meta Llama 3 — Modelo de lenguaje grande de código abierto de última generación de Meta, con un rendimiento excepcional.

Mini-Gemini — Modelo de IA multimodal con capacidad para comprender y generar imágenes.

Llama 3 — Modelo de lenguaje grande de código abierto de nueva generación, con un rendimiento excepcional.

Gemma-2b — Modelo de lenguaje preentrenado de código abierto lanzado por Google.

Yi-VL-34B — Modelo multimodal de código abierto avanzado

l1m — Una API proxy para extraer datos estructurados de texto e imágenes, implementada con LLMs.