算法工具 · PhyAgentOS

Physical Intelligence π0.5 视觉-语言-动作模型，面向跨构型的通用机器人操作任务。

视觉-语言-动作策略，通过 JEPA 世界模型学习预测性潜表征，并以流匹配生成连续动作。

Action Chunking with Transformers 模仿学习策略，面向精确双臂与桌面操作。

开放多模态动作模型，将语言与视觉 grounding 到可执行的机器人操作动作。

轻量视觉-语言-动作策略，将多模态场景理解与高效连续机器人控制相结合。

跨构型视觉-语言-动作模型，支持操作技能在不同机器人平台间迁移。

自回归视频-动作世界模型策略，联合预测未来视觉潜变量与机器人动作，实现闭环操作。

高效世界-动作模型，在学习预测性视觉动力学的同时生成机器人动作，推理时无需未来想象。

NVIDIA Isaac GR00T N1.7 人形机器人基础模型，覆盖全身运动与具身控制。

基于扩散模型的视觉运动策略，建模多模态动作分布，为机器人操作生成平滑动作序列。

开源 WALL 系列视觉-语言-动作栈，用于构建与评估机器人操作智能体。

世界模型风格的策略栈，官方支持 LeRobot 格式，便于训练与部署操作智能体。

向量量化 Behavior Transformer，建模机器人运动与技能执行中的多模态动作分布。

跨多操作任务训练的 Diffusion Transformer 策略，共享视觉运动表征。

Physical Intelligence π0 通用机器人策略，将多模态观测与语言映射为连续动作。

π0 的 FAST 动作分词变体，加速动作生成以提升视觉-语言-动作控制响应速度。

具身基础模型，面向语言条件操作与多任务机器人控制。

可演进的视觉-动作策略系列，面向操作基准与真机任务的持续提升。

已接入 PhyAgentOS 的视觉-语言-动作模型，用于将视觉观测与任务指令映射为机器人操作动作。

Meta Segment Anything Model 3，面向机器人感知中的提示式分割与精细目标理解。

Ultralytics YOLO 实时目标检测，为机器人相机流提供高效目标定位。

运动规划算子，将高层操作目标转换为机器人可执行轨迹。

相对位姿策略，根据目标与末端执行器之间的空间关系规划机器人动作。

从感知到行动的
算法与工具

Pi05

VLA-JEPA

ACT

MolmoAct2

SmolVLA

XVLA

LingBot-VA

FastWAM

GR00T N1.7

Diffusion Policy

WALL-OSS

DreamZero

VQ-BeT

Multitask DiT Policy

Pi0

Pi0Fast

EO-1

EVO1

Kai0

SAM3

YOLO

operator-motion

relative_pose_policy

暂未找到匹配内容

从感知到行动的算法与工具