Project Icon

octo

基于transformer的通用机器人控制策略

Octo是一个基于transformer的扩散策略模型,通过80万条多样化机器人轨迹数据训练而成。该模型支持多个RGB相机输入,可控制各种机器人手臂,并接受语言命令或目标图像指令。其模块化注意力结构使其能高效迁移至新的传感器输入、动作空间和形态。项目提供预训练模型、微调脚本和评估示例,便于研究人员进行深入开发和应用。

avp_teleoperate - Apple Vision Pro远程操控Unitree H1_2人形机器人
Apple Vision ProGithubUnitree H1_2VR技术开源项目机器人控制遥操作
该项目实现了Apple Vision Pro远程操控Unitree H1_2人形机器人的功能。通过逆运动学和图像传输技术,实现了双手和双臂的精确控制。项目提供了详细的环境配置指南,涵盖Isaac Gym模拟环境和本地流媒体设置。代码基于TeleVision框架,针对Unitree机器人进行了优化。这一解决方案为人形机器人远程操作开辟了新途径,具有广阔的应用前景。
Opus-MT - 多语言神经机器翻译的开源框架
GithubMarian-NMTOPUS-MT多语言开源开源项目机器翻译
Opus-MT是一个开源的神经机器翻译项目,基于Marian-NMT框架开发。该项目利用OPUS数据集训练模型,结合SentencePiece分词和eflomal词对齐技术,提供多语言翻译功能。Opus-MT支持基于Tornado的Web应用和WebSocket服务两种部署方式,并提供大量预训练模型供用户下载。在Tiyaro.ai平台上,Opus-MT部署了543个在线演示API,方便用户体验。这个项目致力于为全球用户提供开放、便捷的翻译服务。
Multimodal-GPT - 整合视觉与语言功能的多模态对话机器人
GithubOpenFlamingo多模态GPT开源项目联合训练视觉指令语言模型
Multimodal-GPT是一个基于OpenFlamingo多模态模型的项目,通过结合视觉指令和语言指令数据的联合训练,有效提升模型性能。该项目支持VQA、图像描述、视觉推理、文本OCR和视觉对话等多种数据类型,并利用LoRA进行参数高效的微调。探索Multimodal-GPT的广泛应用可能性。
ROS-LLM - 一个用于具身智能应用的ROS框架
GPT-4GithubROS-LLMROS2开源项目机器人控制自然语言交互
ROS-LLM项目打造了一个使用大语言模型(如GPT-4和ChatGPT)的ROS框架,用于机器人决策和控制。框架易于扩展和集成,只需简单API配置,十分钟内即可完成机器人与ROS-LLM的结合,快速创建互动与控制体验。支持ROS系统,并拥有本地和云端自然语音交互、历史记录保存功能。未来计划增加导航接口和传感器输入接口,以提升机器人导航与环境感知能力。
Megatron-LM - 优化GPU训练技术 加速大规模Transformer模型
GPU优化GithubMegatron-CoreMegatron-LM分布式训练大语言模型开源项目
Megatron-LM框架利用GPU优化技术实现Transformer模型的大规模训练。其Megatron-Core组件提供模块化API和系统优化,支持自定义模型训练。该项目可进行BERT、GPT、T5等模型预训练,支持数千GPU分布式训练百亿参数级模型,并提供数据预处理、模型评估和下游任务功能。
TigerBot - 再处理中文内容方面具有卓越表现的大预言模型
GithubTigerBot中文能力大模型开源项目技术报告模型更新
TigerBot运用世界级大模型技术,提供前沿语言解决方案,应对复杂多样的应用场景。新版增加了搜索和文档增强功能,满足从即时通讯到知识密集型任务的需求。全球范围内,TigerBot以其在处理中文内容的卓越表现,证明了在大模型技术方面的领先优势。此外,TigerBot通过游戏化测试和多维度评估,持续进行技术升级,支持教育和科研的发展。
actionformer_release - 基于Transformer的高精度动作时刻定位模型
ActionFormerActivityNetGithubTHUMOS14Transformer开源项目时序动作定位
actionformer_release是一个基于Transformer的动作定位模型,能够检测动作实例的起止点并识别动作类别。在THUMOS14数据集上,该模型取得了71.0%的mAP,超越之前的最佳模型14.1个百分点,并首次突破60%的mAP。此外,该模型在ActivityNet 1.3和EPIC-Kitchens 100数据集上也取得了优异成绩。该项目设计简洁,通过局部自注意力机制对未剪辑视频进行时间上下文建模,并可一次性精确定位动作时刻。代码和预训练模型已开源,可供下载和试用。
OctoEverywhere - 全方位3D打印机远程管理和智能监控平台
3D打印AI工具AI故障检测OctoEverywhereOctoPrint远程访问
OctoEverywhere是一个面向3D打印爱好者的综合云端管理平台。该平台支持OctoPrint、Klipper和Bambu Lab等主流打印机系统,提供免费、安全的远程控制服务。其特色功能包括AI故障检测、实时通知和流媒体监控。OctoEverywhere以30秒简便设置、快速加载速度和银行级数据加密著称,确保打印机不会暴露在公共网络中。无需专业技术知识即可使用,目前已获得超过18万用户的信赖,致力于推动全球创客社区的发展和创新。
blenderbot-3B - BlenderBot-3B项目的开放域对话生成策略和技巧
GithubHuggingfacePARLAI多轮对话开源项目技能训练模型神经模型聊天机器人
BlenderBot-3B项目展示了如何构建高性能开放域聊天机器人,通过结合大型神经模型和对话技巧,如信息传达、倾听、提问和应答,在多轮对话中的表现优于现有方法。项目还公开了代码和模型,分析了其可能的局限性。
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。
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。

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