OpenVLA-首个开源视觉语言动作大模型

官网：https://openvla.github.io/

现在大模型已经卷到了机器人领域。 在视觉语言模型（VLM）的基础上， 加入机器人的动作（Action) 这一模态， 视觉语言动作大模型（VLA）是目前大模型应用于机器人的流行方法。

在VLA这个领域， 比较著名的工作当数谷歌的RT系列， 有RT-1， RT-2, RT-X等等。 但是RT系列没有开源代码， 想要复现还是有难度的。 最重要的是， 没有提供fine-tune的方法， 无法根据自己的需要进行微调。

OpenVLA有两大显著优势：

• 1 开源
• 2 可以进行高效fine-tune