OpenVLA 7B принимает англоязычные инструкции и изображения рабочей зоны и предсказывает действия для управления роботами-манипуляторами.

Подходит для: управление роботом-манипулятором по текстовой инструкции и изображению с камеры · перемещение конечного эффектора и управление захватом предметов · выполнение знакомых задач манипуляции без дополнительного обучения

Дообученная версия OpenVLA 7B предсказывает действия робота по изображению и текстовой инструкции для пространственных задач в симуляторе LIBERO.

Подходит для: управление роботом в симуляторе LIBERO по текстовой инструкции · предсказание действий робота по изображению сцены · оценка выполнения пространственных задач LIBERO-Spatial

OpenVLA 7B, дообученная на LIBERO-10, предсказывает действия робота по изображению и текстовой инструкции для задач манипуляции в симуляторе.

Подходит для: выполнение манипуляционных задач LIBERO-Long в симуляторе · предсказание действий робота по визуальному наблюдению и текстовой инструкции · оценка робототехнической политики на бенчмарке LIBERO-10

Дообученный чекпойнт OpenVLA для предсказания действий робота по изображениям и инструкциям в пространственных задачах LIBERO.

Подходит для: управление роботом по визуальному наблюдению и текстовой инструкции · генерация последовательности действий для пространственных задач LIBERO · эксперименты с vision-language-action моделями

Модель OpenVLA 7B, дообученная на LIBERO-Object для предсказания действий робота по изображению сцены и текстовой инструкции.

Подходит для: выполнение задач манипуляции объектами в симуляторе LIBERO · предсказание действий робота по изображению и инструкции · оценка управления роботом на бенчмарке LIBERO-Object

Дообученная на LIBERO-Goal модель OpenVLA 7B для выбора действий робота по изображению и текстовой инструкции в симуляции.

Подходит для: предсказание действий робота по изображению сцены и заданию · манипуляция объектами в симуляторе LIBERO · оценка политики управления роботом на задачах LIBERO-Goal

Дообученный чекпойнт OpenVLA для предсказания действий робота по изображению и инструкции в сценариях LIBERO-Goal.

Подходит для: генерация управляющих действий робота по изображению сцены · выполнение текстовых инструкций в симуляторе LIBERO-Goal · планирование последовательности действий для манипуляции объектами

OpenVLA-OFT — зрительно-языковая модель управления роботом, дообученная для манипуляционных задач LIBERO-Object.

Подходит для: предсказание действий робота по изображению сцены и текстовой инструкции · манипуляция объектами в задачах LIBERO-Object · генерация последовательности действий робота для симуляции

Дообученная OpenVLA-OFT для предсказания действий робота по изображению и текстовой инструкции в задачах LIBERO-10.

Подходит для: управление роботом в задачах LIBERO-10 · предсказание последовательности действий по изображению сцены и инструкции · эксперименты с роботизированными манипуляциями

Компактная мультимодальная модель OpenGVLab для диалога по изображениям и видео, понимания документов, графиков и визуального текста.

Подходит для: ответы на вопросы по изображению · извлечение текста из документов и изображений · понимание графиков и инфографики

Инструкционно настроенная компактная языковая модель Apple для генерации текста и ответов на текстовые запросы.

Подходит для: создание черновиков и продолжение текста · ответы на простые вопросы · диалоговый помощник на основе языковой модели

Мультимодальная модель OpenGVLab для диалога по изображениям и анализа визуальной информации, включая документы, диаграммы и текст на изображениях.

Подходит для: ответы на вопросы по изображениям · извлечение текста и понимание документов на изображениях · анализ диаграмм и инфографики

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

OpenVLA-OFT, дообученная на задачах LIBERO Spatial, Object, Goal и Long, предсказывает действия робота по изображениям и языковым инструкциям.

Подходит для: управление манипулятором по изображению и текстовой инструкции · выполнение пространственных задач из набора LIBERO · перемещение и взаимодействие с объектами по заданию

Мультимодальная чат-модель OpenGVLab для генерации ответов по изображениям, нескольким изображениям и видеокадрам.

Подходит для: ответы на вопросы о содержимом изображения · извлечение текста с изображений и документов · анализ диаграмм и графиков

Чекпойнт OpenVLA для предсказания действий робота в задачах ManiSkill, подготовленный в рамках дистилляции RPD.

Подходит для: предсказание действий робота по визуальным наблюдениям · обучение экспертной политики для задач ManiSkill · исследование дистилляции VLA-моделей в компактные политики

InternVL3-8B — мультимодальная чат-модель OpenGVLab для ответов и рассуждений по тексту, изображениям и видео.

Подходит для: ответы на вопросы по изображению · описание и анализ нескольких изображений · понимание содержания видео

Производная модели moojink/openvla-7b-oft-finetuned-libero-spatial. Дообученный чекпойнт OpenVLA для предсказания действий робота по изображениям и инструкциям в пространственных задачах LIBERO.

Подходит для: управление роботом по визуальному наблюдению и текстовой инструкции · генерация последовательности действий для пространственных задач LIBERO · эксперименты с vision-language-action моделями

OpenVLA v0.1 7B принимает инструкцию и изображение рабочей зоны и предсказывает действия робота для задач манипуляции.

Подходит для: управление роботом по текстовой инструкции и изображению с камеры · выполнение задач манипуляции на поддерживаемых роботах · управление Widow-X в средах BridgeV2

Мультимодальная модель OpenGVLab для диалогов и генерации текста по изображениям, видео и текстовым запросам.

Подходит для: ответы на вопросы о содержимом изображения · описание сцен на видео · диалог с чередованием текста и визуальных входов

Компактная мультимодальная чат-модель OpenGVLab для ответов на вопросы по изображениям и видео, визуального рассуждения и текстовых диалогов.

Подходит для: ответы на вопросы по изображению · описание содержимого нескольких изображений · понимание и краткий разбор видео

Мультимодальная модель OpenGVLab для ответов на вопросы по изображениям, нескольким картинкам и видеокадрам.

Подходит для: ответы на вопросы по изображению · описание содержимого фотографии · распознавание текста на изображениях

OpenLLaMA 7B — предварительно обученная открытая языковая модель для генерации текста и создания языковых приложений.

Подходит для: генерация продолжений текста · создание черновиков и ответов на запросы · few-shot решение текстовых задач

Мультимодальная модель OpenGVLab на 2,2 млрд параметров для диалогов, ответов на вопросы и анализа изображений и документов.

Подходит для: ответы на вопросы по изображению · извлечение сведений из документов и сканов · распознавание текста на изображениях