Minivla Wrist Vq Libero90 Prismatic
MiniVLA是一個視覺語言動作模型,專注於機器人技術領域,支持圖像文本到文本的多模態任務。
下載量 18
發布時間 : 12/12/2024
模型概述
MiniVLA是一個10億參數的視覺語言動作模型,專為機器人技術設計,能夠處理圖像和文本輸入並生成文本輸出。該模型兼容Prismatic VLMs訓練腳本,適合完整微調。
模型特點
兼容Prismatic訓練腳本
採用與Prismatic VLMs項目代碼庫兼容的格式,便於使用原生PyTorch FSDP進行完整微調
多模態處理能力
能夠同時處理圖像和文本輸入,生成文本輸出
機器人技術優化
專為機器人技術應用場景設計和優化
模型能力
圖像理解
文本生成
多模態處理
機器人控制
使用案例
機器人技術
視覺語言導航
機器人根據視覺和語言指令進行導航
多模態交互
機器人理解視覺和語言輸入並做出相應反應
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98