lingbot-vla

LingBot-VLA 是一个实用的视觉-语言-动作基础模型。该项目通过20,000小时来自9种流行双臂机器人配置的真实世界数据进行大规模预训练，表现出优于同类模型的强大性能，并且在训练效率上实现了1.5至2.8倍的提升（具体取决于所依赖的视觉语言模型基底）。它支持无深度信息和有深度信息两种版本，适用于需要高效处理复杂多模态任务的场景，如机器人操作、自动化系统等。基于Python开发，兼容最新的PyTorch和CUDA版本，易于安装与部署。