DravenALG/awesome-vla-wam

解决的问题

本项目提供了一个集中且有组织的机器人基础模型研究目录。它通过将复杂的学术方法分类为清晰、明确的领域，帮助研究人员和开发人员在机器人如何感知世界、理解语言以及执行物理动作这一快速发展的领域中进行导航。

工作原理

该存储库作为一个精选的知识库。它定义并归类了各种研究方法——例如 Vision-Language-Action (VLA) 模型、World Action Models (WAM) 和 Robotic Agentics——并将它们与基础论文、网站和技术报告相关联。通过建立这些定义，它厘清了构建智能具身机器人系统的不同方法之间的关系。

目标受众

本资源专为希望了解具身 AI 和机器人基础模型最新进展的机器人研究人员、AI 工程师和学生而设计。对于那些希望理解不同策略学习范式之间技术区别的人员尤其有用。

亮点

• 机器人研究的系统分类法，包括 VLA、WAM 和 Latent Action Models (LAM)。
• 每个类别中全面且经常更新的学术论文和项目网站列表。
• 对 "Robotic Agentics" 和 "Human Action Pretraining" (HAP) 等专业术语的清晰定义。
• 指向必要支持资源的链接，包括机器人数据集、基准测试、物理引擎和硬件文档。