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。

ai-chatbot-framework - 使用Python的AI聊天机器人框架，无需编程经验

AI Chatbot FrameworkAPI集成GithubPython对话接口开源项目无代码创建

AI Chatbot Framework是一个基于Python的对话接口工具，无需编程即可创建自然语言对话场景。通过API集成，可在Messenger、Slack等平台上运行。简洁的UI设计使得创建和训练对话变得简单，机器人会从对话中不断学习和提升。适合任何人快速构建AI聊天机器人，支持Docker、Helm和本地部署，并提供详细教程和示例，帮助用户轻松入门。

rasa - 开源框架Rasa，便捷实现文本与语音对话自动化

GithubRasa对话机器人开源开源项目机器学习自动化

Rasa 是开源的机器学习框架，用于自动化处理文本和语音对话。支持在Facebook Messenger、Slack、Google Hangouts、Microsoft Bot Framework 等平台上构建上下文助手，以及创建Alexa Skills 和Google Home Actions等语音助手。Rasa 的助手能够进行层次化对话，利用上下文实现有意义的交流和可扩展的对话能力。

ScreenAgent - 由视觉语言大模型驱动的电脑控制工具

GithubIJCAI 2024ScreenAgentVLM Agent开源项目数据集自动控制

ScreenAgent项目创建了一个由视觉语言模型驱动的电脑控制环境，允许代理通过截图与真实屏幕互动并操作GUI。自动控制流程分为规划、执行和反思三个阶段，使代理能够完成多步骤任务。项目包含丰富的截图和操作序列数据集，支持包括GPT-4V、LLaVA-1.5、CogAgent和ScreenAgent在内的多种模型，并提供简化体验的网页版客户端。

keras-llm-robot - 基于Langchain和Fastchat开源框架的Web应用，支持多模态、RAG和Agent等多功能

GithubKeras-llm-robotWeb UI多模态模型开源开源项目语言模型

keras-llm-robot是一套基于Langchain和Fastchat开源框架的Web应用，支持多模态、RAG和Agent等多功能。项目完全开源，适合在Hugging Face平台上测试和部署各类模型。用户可自定义模型组合以适应不同的部署和实验需求，同时提供语音和图像识别、代码执行、实时翻译等多元化功能。

AgentVerse - 全面的多语言模型(LM)部署与应用框架

AgentVerseGithub任务解决多智能体环境开源社区开源项目模拟框架热门

AgentVerse 是专为多语言模型(LM)部署与应用而设计的框架，提供任务解决和模拟两大核心功能。任务解决框架能集成多个代理，协同完成特定任务，如软件开发和咨询系统等；而模拟框架则允许用户自定义环境，从而观察和交互多个代理间的行为。此外，该项目也在 NVIDIA 博客和 ICLR 2024 上有所介绍，并提供了与诸多应用相结合的开源社区支持。

Multimodal-AND-Large-Language-Models - 多模态与大语言模型前沿研究综述

Github人工智能多模态大语言模型开源项目机器学习视觉语言模型

Open-LLaVA-NeXT - 多模态大语言模型实现视觉语言对齐和指令微调的开源项目

AI模型评估GithubLLaVA-NeXT多模态模型开源实现开源项目视觉语言训练

Open-LLaVA-NeXT是一个复现LLaVA-NeXT系列模型的开源项目。它提供开源训练数据和检查点，基于LLaVA代码库进行修改。该项目支持CLIP-L-336视觉编码器以及Vicuna-7B和LLaMA3-8B等语言模型。通过特征对齐和视觉指令微调两个阶段的训练，Open-LLaVA-NeXT实现了多模态能力，在多项评估任务中表现优异。

pix2struct - 基于截图解析的视觉语言预训练模型

GithubPix2Struct实验运行开源项目数据预处理视觉语言理解预训练模型

Pix2Struct是一个基于截图解析的视觉语言预训练模型。该模型可处理图像描述、图表问答和界面元素理解等多种任务。项目提供预训练的Base和Large模型检查点,以及9个下游任务的微调代码。Pix2Struct在多个视觉语言任务中表现优异,为相关研究提供了有力支持。

InternGPT - 基于非语言指令的视觉互动系统

DragGANGithubHuskyImageBindInternGPTiGPT开源项目

InternGPT允许用户通过点击、拖拽和绘图与ChatGPT进行视觉交互，优化了视觉任务处理的效率和准确性。该系统集成了辅助控制机制和高质量的视觉语言模型Husky，支持多模态对话、图像生成和编辑等功能，适用于复杂的视觉场景。

PraisonAI - 多智能体系统框架简化大语言模型应用开发

AI框架GithubLLM应用PraisonAI多智能体系统开源软件开源项目

PraisonAI是一个集中式框架，用于简化多智能体系统的创建和编排。该框架支持100多种大语言模型，提供多智能体UI、AI代理聊天和代码库交互等多种界面。PraisonAI强调易用性和定制化，适用于各种大语言模型应用场景。框架特点包括自动AI代理创建、YAML配置和自定义工具集成。

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