VLA 模型开源
3D-VLA
University of Massachusetts Amherst、MIT-IBM Watson AI Lab美国
GitHub 仓库 UMass-Embodied-AGI/3D-VLA
- 类别
- VLA 模型
- 开放程度
- 开源
- 发布时间
- 2024 年 3 月
- 开源协议
- 代码未声明,权重 MIT
- 发布方所在地
- 美国
项目简介
3D-VLA 是把视觉-语言-动作模型扩展到三维世界的生成式世界模型框架,基于 3D-LLM 构建,用交互 token 与环境交互,统一 3D 感知、推理和动作。它训练了与大语言模型对齐的具身扩散模型,可根据观测和语言指令生成目标图像、深度和点云,想象任务完成后的状态。仓库提供目标图像与点云扩散模型的训练推理代码、3D-VLA 预训练代码和三个扩散模型权重。