LLaRA 模型卡片

该模型随论文 LLaRA：为视觉语言策略超级充电的机器人学习数据 发布

Xiang Li¹, Cristina Mata¹, Jongwoo Park¹, Kumara Kahatapitiya¹, Yoo Sung Jang¹, Jinghuan Shang¹, Kanchana Ranasinghe¹, Ryan Burgert¹, Mu Cai², Yong Jae Lee², 和 Michael S. Ryoo¹

¹石溪大学 ²威斯康星大学麦迪逊分校

模型详情

模型类型：
LLaRA 是一个开源视觉运动策略模型，通过微调 LLaVA-7b-v1.5 在指令跟随数据 D-inBC 和 4 个辅助数据集上训练而成，这些数据集由 VIMA-数据 转换而来。
转换代码请参考 convert_vima.ipynb

模型日期：
llava-1.5-7b-llara-D-inBC-Aux-B-VIMA-80k 训练于 2024 年 6 月。

论文或更多信息：
https://github.com/LostXine/LLaRA

模型问题或意见反馈：
https://github.com/LostXine/LLaRA/issues

预期用途

主要预期用途：
LLaRA 的主要用途是研究用于机器人技术的大型多模态模型。

主要预期用户：
该模型的主要预期用户是机器人技术、计算机视觉、自然语言处理、机器学习和人工智能领域的研究人员和爱好者。