Cogact Base
模型概述
CogACT是一種源自視覺語言模型(VLM)的高級視覺語言動作(VLA)架構,通過組件化設計實現語言指令和視覺輸入到機器人動作的轉換。
模型特點
組件化架構
採用分離的視覺、語言和動作模塊設計,而非簡單量化改造VLM
多模態融合
整合視覺、語言和動作模態,實現複雜機器人操作任務
零樣本遷移能力
可零樣本應用於Open-X預訓練混合數據集中的機器人配置
快速適應新任務
通過少量演示樣本即可對新任務和機器人配置進行微調
模型能力
視覺語言理解
機器人動作預測
多模態融合
零樣本遷移學習
使用案例
機器人操作
物體抓取與放置
根據語言指令和視覺輸入預測抓取和放置物體的動作序列
可生成16步7自由度的標準化機器人動作
任務導向操作
執行復雜任務如"將海綿移到蘋果附近"等指令
通過條件化擴散模型生成精確動作序列
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