Modelle für verkörperte KI

Basismodellfamilie von Unitree Robotics für Tisch- und Ganzkörpermanipulation humanoider Roboter.

Vision-Sprache-Aktionssystem von Figure AI für humanoide Roboter.

Skild AI entwickelt ein universelles Robotik-Grundlagenmodell zur Steuerung unterschiedlicher Roboterformen.

Vision-Sprache-Aktionsmodelle zur Robotersteuerung.

Verkörperte Modelle für räumliches Verständnis und Planung.

Für lokale Ausführung auf Robotern optimierte VLA-Modelle.

Autoregressive Video-Aktions-Weltmodellfamilie für die Robotersteuerung.

Ai2-Modellfamilie für Aktionsschlussfolgern beim Einsatz realer Roboter.

WALL-OSS ist eine Vision-Language-Action-Modellfamilie von X Square Robot. Die offizielle Forschungsseite datiert sie auf 2025-09-08; das Paper wurde am 2025-09-15 bei arXiv eingereicht.

NVIDIA-Modellfamilie für die roboterübergreifende Steuerung unterschiedlicher Verkörperungen.

Modellfamilie für Vision, Sprache und Aktion von Physical Intelligence.

Welt-Aktions-Modellfamilie, die Zukunftsvorstellungen lernt, bei der Inferenz jedoch ohne Rollout handelt.

Allgemeines Vision-Sprache-Belohnungsmodell für den Fortschritt von Roboteraufgaben.

NVIDIA-Welt-Aktionsmodell zur gemeinsamen Vorhersage von Video und Roboteraktionen.

Unitrees Modellfamilie für Vision, Sprache und Aktion zur humanoiden Manipulation.

Robbyant-VLA, vortrainiert auf 20.000 Stunden aus neun zweiarmigen Konfigurationen.

Evo-1 ist ein leichtgewichtiges Vision-Language-Action-Modell des MINT-Labors an der School of AI der Shanghai Jiao Tong University. Zweistufiges Training erhält die semantische Ausrichtung. Die Arbeit wurde am 6. November 2025 mit Tao Lin als Erstautor eingereicht.

Soft-prompt-basierte VLA-Modellfamilie für unterschiedliche Roboterverkörperungen.

Genie Operator-1 ist ein Vision-Language-Action-Modell des AgiBot-World-Teams mit latenten Aktionsrepräsentationen. Gewichte, Feinabstimmungscode und Inferenzbeispiele sind verfügbar. GO-1 Air verzichtet auf den latenten Planer.

Robotics-Diffusion-Transformer-Modellfamilie für die beidhändige Manipulation.

EO-1 ist ein verkörpertes Basismodell für allgemeine Robotersteuerung mit verschachteltem Bild-, Text- und Aktionstraining. Die Arbeit nennt Shanghai AI Laboratory, Fudan University, AgiBot und Northwestern Polytechnical University.

Kompakte VLA-Modellfamilie für zugängliches Robotik-Lernen.

Offene Modellfamilie für Vision, Sprache und Aktion zur Robotermanipulation.

Open-Source-Modellfamilie für universell einsetzbare Roboter-Policies.

RT-X ist eine Roboter-Policy-Familie der Open X-Embodiment Collaboration unter Leitung von Google DeepMind. RT-1-X nutzt kein VLM und veröffentlicht Code und Gewichte; RT-2-X nutzt ein VLM mit 55B- und 5B-Forschungskonfigurationen.

1X-Weltmodell-Policy für den humanoiden Roboter NEO.

Genie Envisioner vereint GE-Base, GE-Act, GE-Sim und EWMBench als Weltmodellplattform für Training und Bewertung von Robotermanipulationsstrategien.

InternVLA ist eine Modellreihe des Shanghai AI Laboratory für Robotermanipulation und Navigation. M1 untersucht räumlich geführte Strategien, A1 und A1.5 verbinden Verstehen und Aktionsgenerierung, N1 nutzt ein duales Navigationssystem.

Poke-Aurora ist das Welt-Aktions-Modell von PokeBot. RoboAPI verarbeitet Kamerabilder, Roboterzustand und Aufgabenanweisungen und liefert Aktionen. Gemeinsames Video- und Aktionstraining zielt auf Zero-Shot-Generalisation. Zugang als nichtkommerzielle technische Vorschau für berechtigte Nutzer.

UBTECH-Architektur für verkörperte intelligente Agenten in industriellen humanoiden Robotern.