许可证: mit
语言:

• 英文
  基础模型:
• Qwen/Qwen2-VL-7B
  新版本: limuyu011/JarvisVLA-Qwen2-VL-7B
  任务标签: 图像文本到文本
  库名称: transformers
  数据集:
• CraftJarvis/minecraft-vla-sft
  标签:
• 视觉语言动作模型
• 我的世界

简介

JarvisVLA-Qwen2-VL-7B 是一款专为开放世界游戏 《我的世界》 设计的视觉-语言-动作（VLA）模型。基于人类语言指令，JarvisVLA-Qwen2-VL-7B 掌握了游戏中数千种技能，释放玩家在《我的世界》广阔宇宙中的无限创造力和交互可能！

• 论文: https://craftjarvis.github.io/JarvisVLA/files/jarvis_vla_draft.pdf
• GitHub: https://github.com/CraftJarvis/JarvisVLA
• 项目主页: https://craftjarvis.github.io/JarvisVLA/

引用

@article{li2025jarvisvla,  
  title   = {JARVIS-VLA：通过键盘鼠标操控视觉游戏的大规模视觉语言模型后训练方法},  
  author  = {李慕尧、王子豪、贺凯晨、马晓健、梁艺韬},  
  year    = {2025}  
}