software · 5 menciones
CaPtain es un pipeline de software de código abierto diseñado para transformar modelos de visión y lenguaje (VLM) pequeños y de código abierto en agentes de manipulación robótica capaces de escribir código contra APIs de robots. A diferencia de las soluciones actuales que dependen de modelos de fron
RynnWorld-Latent es un modelo de mundo de video diseñado para aprender dinámicas controlables a partir de videos de interacción heterogéneos, superando la limitación de los espacios de acción incompatibles entre robots y humanos. Esta herramienta utiliza las acciones latentes 3D introducidas por Ryn
PDRVLA es un modelo de visión-lenguaje-acción (VLA) diseñado para mejorar la comprensión de las dinámicas físicas en la generación de acciones robóticas. A diferencia de los modelos de mundo de video, que capturan la dinámica de la escena pero introducen alta latencia en el bucle de control al gener
El marco VLA-Δ propone un enfoque para mejorar el control de robots mediante modelos de visión-lenguaje-acción (VLA) al introducir la supervisión explícita de las transiciones de estado físico. A diferencia de los métodos actuales que mapean directamente las observaciones a acciones demostradas, lo
OpenWAM es un marco de software de código abierto diseñado para facilitar el desarrollo de modelos de mundo-acción (world-action models) en robótica. Su objetivo principal es estandarizar la comparación entre diferentes arquitecturas de modelos, permitiendo estudiar la interacción entre la predicció