DravenALG/awesome-vla-wam

해결하는 문제

본 프로젝트는 로봇 공학 파운데이션 모델에 관한 연구를 중앙 집중식으로 정리한 디렉토리를 제공합니다. 로봇이 세상을 인식하고, 언어를 이해하며, 물리적 동작을 수행하는 방식에 대한 급변하는 연구 환경 속에서, 복잡한 학술적 접근 방식을 명확하고 정의된 분야로 분류하여 연구자와 개발자가 쉽게 탐색할 수 있도록 돕습니다.

작동 방식

이 저장소는 큐레이션된 지식 베이스 역할을 합니다. Vision-Language-Action (VLA) 모델, World Action Models (WAM), Robotic Agentics와 같은 다양한 연구 방법론을 정의하고 그룹화하며, 이를 기초 논문, 웹사이트 및 기술 보고서와 연결합니다. 이러한 정의를 확립함으로써 지능형 체화 로봇 시스템을 구축하는 다양한 접근 방식 간의 관계를 명확히 합니다.

대상 독자

본 리소스는 체화 AI 및 로봇 공학용 파운데이션 모델의 최신 기술 동향을 파악하고자 하는 로봇 공학 연구자, AI 엔지니어 및 학생을 위해 설계되었습니다. 특히 다양한 정책 학습 패러다임 간의 기술적 차이를 이해하고자 하는 분들에게 매우 유용합니다.

주요 특징

• VLA, WAM, Latent Action Models (LAM)을 포함한 로봇 공학 연구의 체계적인 분류 체계.
• 각 카테고리별로 포괄적이고 자주 업데이트되는 학술 논문 및 프로젝트 웹사이트 목록.
• "Robotic Agentics" 및 "Human Action Pretraining" (HAP)과 같은 전문 용어에 대한 명확한 정의.
• 로봇 공학 데이터셋, 벤치마크, 물리 엔진, 하드웨어 문서 등 필수 지원 리소스에 대한 링크.