vla-model

TurboVLA提出了一种新的视觉-语言-动作范式，直接将视觉和语言映射到动作，在LIBERO上仅用0.2B参数就达到了97.7%的成功率，并在消费级GPU上以32 Hz实现实时推理，显著降低了计算成本。

介绍了两个机器人世界模型相关的项目：Awesome-WAM（OpenMOSS）收录了World Action Models和DreamDojo等论文；awesome-physical-ai整理了VLA模型、世界模型和具身基础模型论文合集（含NVIDIA Cosmos Predict2.5）。

Google DeepMind 推出 Gemini Robotics On-Device，这是一个高效的 VLA 模型，可以在机器人设备上本地运行，实现低延迟操作和离线功能，同时保持强大的灵巧操控能力和任务泛化能力。该模型可以通过仅 50-100 个演示进行微调，并附带供开发者使用的 SDK。