VLA 模型开源

Video Prediction Policy

星动纪元、清华大学、UC Berkeley、上海人工智能实验室中国

GitHub 仓库 roboterax/video-prediction-policy

又称 VPP

返回项目库
类别
VLA 模型
开放程度
开源
发布时间
2024 年 12 月
开源协议
MIT
发布方所在地
中国

项目简介

清华大学与星动纪元等提出的通用机器人策略。先把通用视频扩散模型 Stable Video Diffusion 在人类和机器人操作视频上微调成文本引导的视频预测模型,再取其内部对未来画面的预测表征,训练扩散 Transformer 作为隐式逆动力学模型输出动作。开源视频模型和动作模型的训练代码、CALVIN 复现权重,以及在星动纪元 x-bot 机器人和 x-hand 灵巧手上训练、部署的脚本。

规模
视频预测模型由 Stable Video Diffusion 微调,权重约 8 GB;CALVIN 动作模型权重约 1 GB

适配机器人

  • RobotEra x-bot
  • RobotEra x-hand

获取方式

发布方

相关概念

数据来源

本页信息均整理自以下公开资料。

2 条来源核验于 2026-10-01

星标、下载量等指标定期自动更新。

Video Prediction Policy:VLA 模型介绍、GitHub 仓库与开源协议 | 具身集