Instruct2Act

利用大语言模型实现多模态指令向机器人操作的映射

Instruct2Act 多模态指令机器人操控大型语言模型零样本方法 Github 开源项目

Instruct2Act是一种创新框架，通过大语言模型将多模态指令转化为机器人操作。该框架生成Python程序，有效结合感知、规划和动作环节，将复杂指令转化为精准策略代码。在不同场景尤其是桌面操作领域，框架的零样本方法表现优异，超越了许多现有的学习策略。

instruct-eval - 指令调优的大型语言模型的评估和比较

AlpacaFlan-T5GithubIMPACTInstructEvalLLM开源项目

InstructEval项目专注于全面评估和比较指令调优的大型语言模型（如Flan-T5和Alpaca），并提供简便的基准测试库和排行榜。该项目支持多种模型和任务，使研究者能够轻松直观地在学术基准（如MMLU和BBH）上比较模型表现。此外，InstructEval发布了用于评估LLM写作能力的IMPACT数据集和安全评估基准Red-Eval，为用户提供多样的测试工具和资源。

multimodal-maestro - 多模态AI模型控制与高效提示策略框架

AI提示GithubMultimodal-MaestroPython图像处理大型多模态模型开源项目

multimodal-maestro是一个开源框架，旨在增强对大型多模态AI模型的控制能力。该项目提供先进的提示策略，使模型能够执行复杂的视觉理解任务。支持图像标注、掩码生成等功能，并具有简洁的API设计。multimodal-maestro能够充分发挥GPT-4V等多模态模型的潜力，实现更精准的视觉分析和处理。

PromptCraft-Robotics - 共享大语言模型在机器人领域的创新提示与模拟器支持

ChatGPTGithubOpenAIPromptCraft-Robotics仿真器开源项目机器人

PromptCraft-Robotics是一个社区平台，专注于分享和测试大语言模型在机器人领域的应用示例。用户可以提交操控、家庭机器人和物理推理等类别的提示，经社区审核后加入主仓库。项目提供基于Microsoft AirSim的机器人模拟器，帮助用户快速入门。支持OpenAI的ChatGPT及其他开源模型，为研究和开发人员提供丰富的资源和合作机会。

VoxPoser - 使用语言模型的3D机器人操作轨迹合成系统

3D价值地图GithubVoxPoser开源项目机器人操作语言模型轨迹合成

VoxPoser是一个3D机器人操作轨迹合成系统，结合大型语言模型和视觉语言模型实现零样本任务执行。该项目在RLBench环境中实现，无需训练数据即可生成复杂操作轨迹。系统通过语言模型程序（LMPs）递归生成代码，分解指令并为子任务组合价值图。VoxPoser包含接口、规划器和控制器等核心组件，用于规划和执行机器人操作任务。

JARVIS-1 - 开放世界中具备多模态记忆的多任务智能体

GithubJARVIS-1Minecraft多模态语言模型开放世界开源项目记忆增强

JARVIS-1通过多模态输入和人类指令实现复杂任务的规划和执行，在开放世界的Minecraft中表现出强大的功能。该智能体结合预训练多模态语言模型与实际游戏经验，将视觉观察和文本指令转化为执行计划，并利用多模态记忆进行规划。JARVIS-1能完成超过200种任务，从砍树等短期任务到获取钻石镐等长期任务，均表现卓越。项目仅在Linux上运行，依赖多个相关项目如STEVE-1和Minedojo。

InstructIR - 基于人类指令的高质量图像修复新方法

GithubInstructIR图像修复图像去噪图像去雨图像增强开源项目

InstructIR项目利用人类书写的自然语言指令，引导神经模型进行全能型图像修复。该模型在图像去噪、去雨、去模糊、去雾和提升低光图像等多个任务上实现了最新成果，并在多个基准测试中比现有方法提升了+1dB，树立了文本引导图像修复与增强的新标准。

OpenAdapt - 具有大型多模态模型（LMM）的 AI 优先流程自动化

AI-First Process AutomationGUI AutomationGithubLarge Multimodal ModelsOpenAdaptPython开源项目

OpenAdapt项目利用大型多模态模型（LMMs）实现与桌面和网页图形用户界面的无缝集成。这个开源Python库通过录制和分析用户操作，自动生成任务提示并执行任务回放，减少重复性工作，提高效率。项目特点包括模型无关性、自动提示生成和广泛的系统兼容性，支持所有类型的GUI，包括虚拟化和网页。项目遵守MIT开源许可证。了解更多关于安装、使用和贡献的信息，并加入开发者社区优化流程自动化技术。

starcoder2-self-align - 自我校准的代码生成大型语言模型

GithubStarCoder2-Instruct代码生成大语言模型开源项目数据生成流水线模型训练

StarCoder2-15B-Instruct-v0.1是一款完全自我校准的代码生成大型语言模型，采用公开透明的工作流程，无需人工注释或专有数据。模型通过生成大量指令-响应对，进一步微调自身。专为Python代码生成任务优化，支持语法验证和定制排序。提供详细的训练和评估信息，包括数据生成、模型优化和性能验证，适用于多种编程任务。模型强调透明度和开放许可，提升代码生成的准确性和效率。

machinascript-for-robots - 使用MachinaScript实现自主控制的模块化机器人制造

AIGithubMachinaScript开源项目机器人编程自控

MachinaScript是一套帮助用户创建自己机器人工具和语言集的开源项目。其基于LLM-JSON的语言格式整合了视觉系统和行动指令解析器，使机器人能够近乎实时地执行复杂任务。此工具支持Arduino、Raspberry Pi等电子元件，包括伺服电机和传感器，从动画生成、个性集成到技能教学，MachinaScript实现了高度自主控制，普及了智能机器人技术。探索详细信息和安装指南，让机器人制作变得更简单。

Infinity-Instruct-7M-Gen-mistral-7B - Infinity-Instruct-7M-Gen-Mistral-7B 提升AI模型指令执行效率的开源方案

GithubHuggingfaceInfinity Instruct北京人工智能研究院开源开源项目数据集模型

Infinity-Instruct-7M-Gen-Mistral-7B是一个公开可用的监督指令微调模型。它在Infinity-Instruct-7M和Infinity-Instruct-Gen数据集上进行优化，无需用户反馈强化学习。在AlpacaEval 2.0评测中，该模型表现优于Mixtral 8x22B v0.1、Gemini Pro和GPT-4。使用创新的训练技术，显著减少了模型训练成本，且基于与OpenHermes-2.5-Mistral-7B相同的聊天模板，专为对话场景设计。该模型和相关资源仅用于学术研究，且准确性不可担保。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com