Project Icon

RT-2

基于PALM-E构建的下一代机器人模型,集成了视觉编码和语言嵌入

RT-2是基于PALM-E构建的下一代机器人模型,集成了视觉编码和语言嵌入。该模型利用大规模网络数据集和机器人数据,能够将视觉和语义线索转换为机器人控制动作。RT-2的架构易于部署,简化了多重感官数据的处理,提高了行动预测的效率。其广泛的应用场景包括自动化工厂、医疗保健和智能家居。通过详细的安装步骤和使用示例,用户可以轻松集成该模型到现有系统中。

rtdl - 表格数据深度学习的前沿研究与开源工具集
GithubRTDL开源项目模型研究深度学习神经网络表格数据
RTDL项目汇集了表格数据深度学习领域的多项前沿研究成果和开源工具包。项目涵盖TabReD基准测试、TabR近邻方法、TabDDPM扩散模型等创新技术,同时深入探讨了数值特征嵌入和预训练目标等关键问题。通过提供丰富的研究论文和实用的软件包,RTDL为表格数据深度学习的技术进步提供了重要支持,是该领域研究人员和实践者的宝贵资源。
tdmpc2 - 跨领域连续控制的可扩展世界模型
GithubTD-MPC2多任务学习开源项目强化学习模型训练连续控制
TD-MPC2是一种可扩展的基于模型的强化学习算法,在104个连续控制任务中展现出色性能。该算法使用317M参数的单一模型可执行80个跨领域任务。项目提供300多个模型检查点和多任务数据集,支持状态和像素输入,为模型强化学习研究提供重要资源。
rl-mpc-locomotion - 强化学习与模型预测控制结合的四足机器人运动框架
GithubIsaac GymRL MPC Locomotion四足机器人开源项目强化学习模型预测控制
这个项目为四足机器人运动任务开发了一个快速仿真和强化学习训练框架。它采用分层控制结构,结合高层策略网络和低层模型预测控制器。其MPC控制器基于Cheetah Software改写,便于移植到主流仿真平台。项目利用NVIDIA Isaac Gym进行并行训练,使用Unitree Robotics的Aliengo模型,并实现了从仿真到实物的迁移。该框架适用于多种四足机器人类型和步态,为相关研究提供了有力支持。
optimized-gpt2-1b - GPT-2架构优化模型 提供高效可扩展的自然语言处理功能
GithubHuggingfacetransformers人工智能开源项目机器学习模型模型卡自然语言处理
optimized-gpt2-1b是一个基于GPT-2架构优化的大规模语言模型。该模型在保持GPT-2性能的基础上,通过架构和训练方法的优化提高了效率和可扩展性。它可应用于文本生成、摘要和问答等多种自然语言处理任务。模型支持直接使用或针对特定需求进行微调。项目提供了使用说明和评估结果,有助于研究人员和开发者更好地理解和应用这一语言模型。
Florence-2-base-ft - 多任务视觉AI模型实现图像理解与分析
Florence-2GithubHuggingface图像处理多任务学习开源项目模型自然语言处理视觉模型
Florence-2-base-ft是一款多任务视觉AI模型,可处理多种视觉和视觉-语言任务。该模型通过解释简单的文本提示,执行图像描述、物体检测和分割等操作。在图像描述、视觉问答和引用表达理解等基准测试中,Florence-2-base-ft展现出优秀性能。这个拥有2.3亿参数的模型为各类视觉任务提供了统一的表示方法,展现了人工智能在视觉理解领域的最新进展。
LLaMa2lang - 优化LLaMa3-8B模型性能,支持多语言微调和翻译
GPUGithubLLaMa3RAG开源项目翻译语言微调
LLaMa2lang提供便捷脚本,微调LLaMa3-8B模型以适应不同语言。结合RAG和翻译模型,将数据集OASST1翻译为目标语言,进行数据集成和细调,并支持推理。支持DPO和ORPO等优化方法,进一步提升模型回答质量,兼容多个基础模型与翻译架构。
MapTR - 在线向量化高精度地图快速构建框架
GithubMapTR人工智能开源项目模型自动驾驶高精地图
MapTR是一款高效准确的在线向量化高精度地图构建框架,可应用于自动驾驶系统的复杂场景中。该框架采用统一的置换等效建模方法,结合分层查询嵌入和双向匹配策略,提高了学习过程的稳定性,具备实时推理能力,并在nuScenes和Argoverse2数据集中表现出色。MapTR支持多种地图元素,具备良好的扩展性和灵活性。最新版本MapTRv2提升了性能和收敛速度,并引入了额外的语义中心线,进一步优化下游规划需求。
AR2R - AR2R智能助手通过自然语言交互简化工作流程
AI工具AI自动化AR2R多任务处理工作效率自然语言界面
AR2R是一款创新的AI助手,通过自然语言交互和智能自动化简化工作流程。它可执行多项任务,包括日程安排、会议记录和文档翻译等。AR2R支持多平台使用,可与各种工具无缝集成,并能持续学习用户偏好,提供个性化服务。这款智能助手旨在减少繁琐工作,让用户更专注于重要事务。AR2R还提供专用硬件设备,进一步提升工作效率。
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。
LITv2 - 基于HiLo注意力的快速视觉Transformer
GithubHiLo注意力LITv2图像分类开源项目目标检测视觉Transformer
LITv2是一种基于HiLo注意力机制的高效视觉Transformer模型。它将注意力头分为两组,分别处理高频局部细节和低频全局结构,从而在多种模型规模下实现了优于现有方法的性能和更快的速度。该项目开源了图像分类、目标检测和语义分割任务的预训练模型和代码实现。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号