OpenVLA

Modelo de visão-linguagem-ação (VLA) de código aberto, impulsionando o desenvolvimento de tecnologia de manipulação robótica.

Produto ComumProdutividadeRobóticaInteligência Artificial

Abrir Site

O OpenVLA é um modelo de visão-linguagem-ação (VLA) de código aberto com 700 milhões de parâmetros, pré-treinado em 970 mil episódios de robôs no conjunto de dados Open X-Embodiment. O modelo estabelece um novo padrão industrial em estratégias de manipulação robótica genérica, suportando o controle de múltiplos robôs pronto para uso e permitindo adaptação rápida a novas configurações de robôs por meio de ajuste fino eficiente de parâmetros. O checkpoint do OpenVLA e o fluxo de treinamento do PyTorch são totalmente de código aberto, e o modelo pode ser baixado do HuggingFace e ajustado fino.

Best AI Websites & Tools

OpenVLA

OpenVLA Situação do Tráfego Mais Recente

OpenVLA Tendência de Visitas

OpenVLA Distribuição Geográfica das Visitas

OpenVLA Fontes de Tráfego

OpenVLA Alternativas

OpenVLA — Modelo de visão-linguagem-ação (VLA) de código aberto, impulsionando o desenvolvimento de tecnologia de manipulação robótica.

Instella — Instella é um modelo de linguagem de código aberto de alto desempenho desenvolvido pela AMD, projetado para acelerar o desenvolvimento de modelos de linguagem de código aberto.

Clone — Clone é um robô humanoide com tecnologia de músculos artificiais revolucionária Myofiber, capaz de caminhar naturalmente.

Migician — Migician é um modelo de linguagem grande multimodal focado na localização de imagens múltiplas, capaz de realizar localização precisa de imagens múltiplas de forma livre.

Aria Gen 2 — O Aria Gen 2 é um novo óculos inteligente para pesquisa em percepção de máquina, IA contextual e robótica.

IndexTTS — Sistema de texto para voz (TTS) de amostra zero, eficiente e controlável em nível industrial

Figure AI Helix — Helix é um modelo de visão-linguagem-ação para controle de robôs humanoides de uso geral.

QwQ-Max-Preview — QwQ-Max-Preview é o mais recente resultado da série Qwen, construído com base no Qwen2.5-Max, e apresenta poderosas capacidades de raciocínio e aplicações em múltiplas áreas.

AlphaMaze-v0.2-1.5B — Método inovador para aprimorar a capacidade de raciocínio visual de grandes modelos de linguagem (LLMs) por meio da resolução de labirintos descritos em texto.

SkyReels-V1-Hunyuan-I2V — SkyReels V1 é um modelo de vídeo base, de código aberto e centrado no ser humano, focado na geração de vídeos de alta qualidade com nível cinematográfico.

OpenThinker-32B — OpenThinker-32B é um poderoso modelo de raciocínio de código aberto, projetado para aprimorar a capacidade de raciocínio com dados abertos.

Aplicativo OLMoE — Ai2 OLMoE é um aplicativo de modelo de linguagem de código aberto que roda em dispositivos iOS.

Huginn-0125 — Huginn-0125 é um modelo de profundidade recorrente com variáveis ​​latentes e 3,5 bilhões de parâmetros, especializado em raciocínio e geração de código.

FireRedASR — Modelo de Reconhecimento Automático de Fala (RAF) em mandarim padrão de nível industrial e código aberto, compatível com diversas aplicações.

RAG-FiT — RAG-FiT é uma biblioteca para aprimorar a capacidade dos LLMs de usar informações externas, ajustando finamente os modelos com um conjunto de dados RAG aprimorado especialmente criado.

Codename Goose — Agente de IA local que automatiza tarefas de engenharia sem problemas.

Open-source DeepResearch — Ferramenta de pesquisa profunda de código aberto, com o objetivo de reproduzir funcionalidades semelhantes ao Deep Research por meio de um framework de código aberto.

ASAP — ASAP é uma técnica para aprendizado de habilidades de corpo inteiro para robôs humanoides ágeis, que realiza a transferência de habilidades por meio do alinhamento da física de simulação e do mundo real.

Tülu 3 405B — Tülu 3 405B é um modelo de linguagem de código aberto em larga escala, com desempenho aprimorado por meio de aprendizado por reforço.

SpeechGPT 2.0-prévia — O primeiro sistema de interação em tempo real de nível humano orientado para inteligência contextual, suportando interação de voz multi-emocional e multi-estilo.

Baichuan-M1-14B — Modelo de linguagem extenso de código aberto desenvolvido pela Baichuan Intelligence, otimizado para cenários médicos, com capacidades gerais excepcionais e desempenho superior na área médica.

Flex.1-alpha — Modelo pré-treinado de geração de imagem a partir de texto, com 8 bilhões de parâmetros e licença de código aberto Apache 2.0.

modelos-de-linguagem-grandes-autoadaptativos — Uma estrutura de modelo de linguagem grande que se adapta em tempo real a tarefas desconhecidas.

Moondream AI — Modelo de linguagem visual de código aberto, executável em diversos dispositivos.

llm-datasets — Conjunto de dados, ferramentas e conceitos de alta qualidade para o ajuste fino de modelos de linguagem grandes.

Valley 2.0 — Modelo de linguagem grande multi-modal, aprimora a capacidade de processamento de dados de texto, imagem e vídeo.

Política de Previsão de Vídeo — Uma estratégia de robô manipulador ágil multitarefa baseada em um modelo de difusão de vídeo.

Ruyi-Mini-7B — Modelo de geração de vídeo a partir de imagem de código aberto

Apptronik — Tecnologia avançada em robótica humanoide, impulsionando o potencial humano.

Huginn-0125 — Huginn-0125 é um modelo de profundidade recorrente com variáveis latentes e 3,5 bilhões de parâmetros, especializado em raciocínio e geração de código.