# 機器人控制

基於LeRobot框架訓練的機器人策略模型，適用於機器人控制任務

π0+FAST 是一種面向機器人技術的高效動作標記化方案，由Physical Intelligence設計，適用於視覺-語言-動作任務。

這是對Fanbin/STEVE-R1-7B-SFT模型進行的加權/矩陣量化版本，適用於資源受限環境。

Magma是一個多模態AI智能體基礎模型，能夠處理圖像和文本輸入並生成文本輸出，具備虛擬與現實環境中的複雜交互能力。

Pi0是一個通用機器人控制的視覺-語言-動作流模型，支持機器人控制任務。

MiniVLA是一個更小體積但性能優異的視覺語言動作模型，兼容Prismatic VLMs訓練腳本，適用於機器人技術和多模態任務。

CrossFormer 是一個適用於操作、導航、移動和航空的統一策略模型，旨在跨具身學習中進行規模化應用。

VQ-BeT是針對PushT環境訓練的行為生成模型，基於潛在動作原理設計

OpenVLA 7B是一個基於Open X-Embodiment數據集訓練的開源視覺-語言-動作模型，能夠根據語言指令和攝像頭圖像生成機器人動作。

HPT是一種將不同實體對齊到共享潛在空間的變換器模型，專注於策略學習中的擴展行為研究。