把前沿 Transformer 模型接入机器人技术栈的 Python 库，支持多模态与扩散模型，帮具身智能开发者快速搭建可感知、可决策的智能体。

面向具身智能的一站式 VLA 工程平台，打通数据、模型训练到真机部署全流程，省去自己拼装工具链的麻烦。

面向机器人操作任务的统一大脑模型，把抽象指令逐步落到具体动作，配套官方推理代码，可直接用于具身智能研究。

在多种虚拟游戏世界中继续预训练视觉语言模型，打造能跨游戏泛化的具身智能体，并公开模型权重。

低成本手持式激光雷达-惯性-视觉融合 3D 传感器，为机器人和具身智能提供实时建图与三维重建能力。

每天自动汇总 arXiv 上 VLN、VLA、世界模型、SLAM、高斯泼溅与非线性优化等具身智能方向的最新论文，方便快速跟进前沿进展。

面向机器人的智能体操作系统，用 Rust 编写，把 VLM/VLA 模型和 Skill-MD 技能编排成可执行任务，让机器人具备自主决策与操作能力。

面向物理 AI 机器人的厂商无关智能体框架，基于 ROS 2 工具执行复杂动作、场景任务、自由接口调用、日志摘要和语音交互。

统一训练、微调和评测世界动作模型（WAM）的框架，面向具身智能与机器人研究，支持 LoRA 微调并内置基准测试。

一个 4B 参数的视觉定位基础模型，把检测、指代、指向、OCR、GUI 和版面定位统一到一个模型里，在 34 个基准上达到 SOTA，并提升机器人泛化和数据效率。

面向通用机器人策略的空间引导视觉-语言-动作框架，把视觉语言模型和动作输出打通，让机器人能按空间指令执行操作任务。

给 Minecraft 智能体提供开放世界技能的开源方案，通过微调大语言模型让智能体在游戏中自主完成多样化任务。

基于动态高斯泼溅的高保真导航仿真器，为具身导航和视觉语言导航研究提供逼真的三维场景与动态人体渲染。

面向多轮视觉语言模型智能体的世界模型强化学习框架，让 VLM Agent 在交互中通过 RL 训练提升多轮决策能力。

面向视觉-语言-动作模型（VLA）的可复现开源研究项目，聚焦目标跟踪类 VLA，提供训练与评测代码，方便复现和对比实验结果。

系统梳理生成式 AI 在自动驾驶全栈中的应用，覆盖感知、决策到仿真与 sim2real，帮研究者快速看清技术版图与关键挑战。

哈佛 CS249r 的机器学习系统教材，覆盖基础、扩展、智能体 AI 与具身 AI 四卷，系统讲解从云端到边缘的 ML 系统设计与工程实践。

整理具身智能方向的论文与行业资源清单，覆盖检测、导航、语言学习等主题，方便快速定位相关研究。

汇总自动驾驶领域的视觉-语言-动作（VLA）模型资源，梳理其发展脉络与未来方向，方便快速了解该方向的研究与落地进展。

汇总大语言模型时代神经符号学习的最新进展，涵盖一阶逻辑、逻辑编程、知识图谱与具身智能等方向，帮研究者快速跟进这个交叉领域的论文与资源。