M

Minivla Wrist Vq Libero90 Prismatic

Developed by Stanford-ILIAD
MiniVLA是一个视觉语言动作模型,专注于机器人技术领域,支持图像文本到文本的多模态任务。
Downloads 18
Release Time : 12/12/2024

Model Overview

MiniVLA是一个10亿参数的视觉语言动作模型,专为机器人技术设计,能够处理图像和文本输入并生成文本输出。该模型兼容Prismatic VLMs训练脚本,适合完整微调。

Model Features

兼容Prismatic训练脚本
采用与Prismatic VLMs项目代码库兼容的格式,便于使用原生PyTorch FSDP进行完整微调
多模态处理能力
能够同时处理图像和文本输入,生成文本输出
机器人技术优化
专为机器人技术应用场景设计和优化

Model Capabilities

图像理解
文本生成
多模态处理
机器人控制

Use Cases

机器人技术
视觉语言导航
机器人根据视觉和语言指令进行导航
多模态交互
机器人理解视觉和语言输入并做出相应反应
AIbase
Empowering the Future, Your AI Solution Knowledge Base
© 2025AIbase