Logo
Project Icon

calvin

机器人长时间操作任务中基于语言条件的策略学习

CALVIN机器人操控语言模型长期任务开源基准Github开源项目

CALVIN是一个开源的模拟基准，用于学习长时间的语言条件任务，旨在开发能够通过人类语言指令和车载传感器完成多种机器人操作任务的代理。该项目支持复杂任务序列、动作空间和语言规格，提供灵活的传感器配置详细评估协议，并通过多种难度模式提高测试效能。项目资源包括训练模型、评估脚本和数据下载选项，是机器人视觉与语言研究的理想选择。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
VLN-BEVBert - 多模态地图预训练助力语言引导导航
BEVBertGithub交叉模态推理多模态地图预训练开源项目空间感知视觉语言导航
BEVBert项目为视觉语言导航(VLN)任务开发了新型地图预训练范式。通过结合局部度量地图和全局拓扑地图，该方法平衡了VLN的短期推理和长期规划需求。在R2R、R2R-CE、RxR和REVERIE四个VLN基准测试中，BEVBert展现出领先性能。项目开源了完整代码，并提供详细指南，便于研究人员复现实验和进行深入研究。
LLaVA-NeXT - 大规模开源多模态模型提升视觉语言能力
AI助手GithubLLaVA-NeXT多模态模型大语言模型开源项目视觉语言模型
LLaVA-NeXT是一个开源的大规模多模态模型项目，致力于提升视觉语言交互能力。该项目支持多图像、视频和3D任务的统一处理，在多个基准测试中表现卓越。LLaVA-NeXT提供了多个模型变体，包括支持高分辨率输入和视频处理的版本，以及基于不同大语言模型的实现。此外，项目还开源了训练数据和代码，为研究人员和开发者提供了宝贵资源。
tidybot - 运用大语言模型实现个性化智能清理
GithubTidyBot大语言模型开源项目机器人助手物体识别用户偏好学习
TidyBot项目利用大语言模型的少样本总结能力，开发了个性化家庭清理机器人。系统结合语言规划和感知，从少量示例快速学习用户偏好并应用于新场景。在基准测试中，TidyBot对未见物品达91.2%准确率，实际测试中成功放置85.0%物品。这为机器人个性化物理协助提供了新思路。
robosuite - 基于MuJoCo的机器人学习仿真框架
GithubMuJoCorobosuite基准测试开源项目机器人学习模拟框架
robosuite是基于MuJoCo物理引擎的机器人学习仿真框架，提供标准化基准环境和模块化设计。框架包含多种机器人模型、抓手模型、控制器模式和标准化任务，支持程序化生成新环境、多模态传感和逼真渲染。robosuite为机器人智能研究提供了可靠、灵活的仿真平台，降低了前沿研究的门槛。
alpaca_farm - 仿真框架助力人类反馈学习研究
AlpacaFarmGithub人工智能偏好反馈开源项目指令跟随语言模型
AlpacaFarm是一个人类反馈学习方法的仿真框架。它提供模拟成对反馈、自动评估和基准实现等功能,降低了指令跟随和对齐研究的成本。框架包含模拟偏好反馈、自动评估和参考方法实现等组件,旨在促进该领域的开放研究。
InternVL - 开源多模态模型包提供商业级性能
GPT-4oGithubInternVLSOTA性能多模态模型开源开源项目
InternVL项目，作为一个领先的开源多模态模型套件，提供可媲美商业模型GPT-4o的性能。该项目开放源代码，支持多语种和高效OCR功能，在多个benchmark中展现出顶尖性能。该平台包括多种模型，如InternVL2-Pro和Mini-InternVL系列，适用于从聊天机器人至复杂多模态文档理解的应用场景。完备的文档资料和快速启动指南为社区成员提供便捷的使用和优化体验。
VLM_survey - 用于视觉任务的 AWESOME 视觉语言模型集合
GithubVision-Language Models开源项目数据集知识蒸馏视觉识别任务预训练方法
本页面详尽介绍了视觉语言模型(VLM)在视觉识别任务中的应用和发展。内容涵盖VLM的起源、常用架构、预训练目标、主流数据集及不同的预训练方式、迁移学习和知识蒸馏方法，并针对这些方法进行了详细的基准测试和分析。页面还讨论了未来研究的挑战和方向，让用户掌握VLM技术在图像分类、对象检测和语义分割等任务中的最新应用进展。
ControlLLM - 通过图搜索增强大语言模型工具使用能力实现复杂任务解决
ControlLLMGithub任务分解图搜索多模态工具大语言模型开源项目
ControlLLM框架通过图搜索方法提升大语言模型的多模态工具使用能力。其核心包括任务分解器、基于图的思维范式和执行引擎，有效解决复杂任务。该框架在图像、音频和视频处理等领域展现出高准确性和效率，为大语言模型应用开辟新途径。
GRID-playground - 通用机器人智能开发平台
AirGenGRIDGithub大语言模型开源项目机器人智能模拟
GRID 是由 Scaled Foundations 构建的平台，旨在通过基础模型和模拟来实现机器人智能的快速原型开发。其核心为 Foundation Mosaic，融合了感知、状态估计、安全和控制的多种基础模型。大语言模型的编排和推理层支持自然交互和复杂机器人任务的解决。GRID 使用 AirGen，一个先进的空中机器人模拟器，用于数据生成和评估。模块化设计使深度机器学习组件和现有基础模型在多种机器人问题中得到应用。
Instruct2Act - 利用大语言模型实现多模态指令向机器人操作的映射
GithubInstruct2Act多模态指令大型语言模型开源项目机器人操控零样本方法
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。
相关项目
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

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
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号