# ロボット制御

LeRobotフレームワークを基に訓練されたロボット戦略モデルで、ロボット制御タスクに適用可能

π0+FASTはロボット技術向けの効率的な動作トークン化スキームで、Physical Intelligenceによって設計され、視覚-言語-動作タスクに適しています。

これはFanbin/STEVE-R1-7B-SFTモデルを重み/行列量子化したバージョンで、リソースが限られた環境に適しています。

MagmaはマルチモーダルAIエージェントの基盤モデルで、画像とテキスト入力を処理しテキスト出力を生成可能。仮想と現実環境における複雑なインタラクション能力を備えています。

Pi0は汎用ロボット制御のための視覚-言語-動作フローモデルで、ロボット制御タスクをサポートします。

MiniVLAは、より小型ながら優れた性能を持つ視覚言語動作モデルで、Prismatic VLMsトレーニングスクリプトと互換性があり、ロボット技術やマルチモーダルタスクに適しています。

CrossFormerは、操作、ナビゲーション、移動、航空に適用可能な統一戦略モデルで、クロスエンボディド学習におけるスケーラブルな応用を目的としています。

VQ-BeTはPushT環境向けに訓練された動作生成モデルで、潜在動作原理に基づいて設計されています

OpenVLA 7BはOpen X-Embodimentデータセットでトレーニングされたオープンソースの視覚-言語-動作モデルで、言語命令とカメラ画像に基づいてロボットの動作を生成できます。

HPTは異なるエンティティを共有潜在空間にアライメントするトランスフォーマーモデルで、戦略学習における拡張行動の研究に焦点を当てています。