GalaxeaVLA

Isaac GR00T N1.7

AI 模型

NVIDIA Isaac GR00T N1.7 是一个开放的基础模型，旨在用于类人机器人推理和技能。它处理多模态输入以执行操作任务，使开发人员能够针对不同环境中的特定应用进行后训练。

LLaVA

AI GitHub 仓库

视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。LLaVA 是一个视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。

Octo Robot Policy

AI 模型

开源的通用机器人策略，专为机器人操作的广泛应用而设计。这款基于 Transformer 的扩散策略在大型数据集上进行了预训练，支持灵活的任务定义和高效的微调以适应新的观察和动作空间，使其能够适应各种机器人应用。Octo 是一款开源的通用机器人策略，专为机器人操作的广泛应用而设计。这款基于 Transformer 的扩散策略在大型数据集上进行了预训练，支持灵活的任务定义和高效的微调以适应新的观察和动作空间，使其能够适应各种机器人应用。

RLWRLD为灵巧机器人手设计的基础模型。它能够处理诸如倒水、手中旋转和反应性抓取等任务，这些任务通常会让标准的视觉-语言-动作模型感到困扰。该模型将视觉、运动和触觉作为独立的流进行处理，并可在具有高自由度手的单臂、双臂和类人机器人上运行。RLDX-1是RLWRLD为灵巧机器人手设计的基础模型。它能够处理诸如倒水、手中旋转和反应性抓取等任务，这些任务通常会让标准的视觉-语言-动作模型感到困扰。该模型将视觉、运动和触觉作为独立的流进行处理，并可在具有高自由度手的单臂、双臂和类人机器人上运行。

艾萨克 - AI 机器人开发平台

AI 平台

NVIDIA 艾萨克是一个开放的机器人开发平台，提供库、框架和 AI 模型，以加速自主移动机器人 (AMRs)、机器人手臂、操纵器和类人机器人开发。

MiniGPT-4 & MiniGPT-v2

AI GitHub 仓库

MiniGPT-4 和 MiniGPT-v2 的开源代码，先进的大型语言模型，增强视觉-语言理解能力。这些模型支持视觉-语言任务的多任务学习，提供图像理解和生成能力。它们基于 Llama 2 和 Vicuna 模型构建，为研究人员和开发人员提供了强大的工具。

UNITER

AI GitHub 仓库

ECCV 2020 论文“UNITER: UNiversal Image-TExt Representation Learning”的研究代码库。它提供了用于各种视觉-语言任务（包括 VQA、VCR 和图像-文本检索）的微调和推理代码。UNITER-base 和 UNITER-large 的预训练检查点均可用。UNITER 是 ECCV 2020 论文“UNITER: UNiversal Image-TExt Representation Learning”的研究代码库。它提供了用于各种视觉-语言任务（包括 VQA、VCR 和图像-文本检索）的微调和推理代码。UNITER-base 和 UNITER-large 的预训练检查点均可用。

Qwen3-VL

AI GitHub 仓库

阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。Qwen3-VL 是阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。