π0+FAST 是一种面向机器人技术的高效动作标记化方案，由Physical Intelligence设计，适用于视觉-语言-动作任务。

这是对Fanbin/STEVE-R1-7B-SFT模型进行的加权/矩阵量化版本，适用于资源受限环境。

Magma是一个多模态AI智能体基础模型，能够处理图像和文本输入并生成文本输出，具备虚拟与现实环境中的复杂交互能力。

Pi0是一个通用机器人控制的视觉-语言-动作流模型，支持机器人控制任务。

MiniVLA是一个更小体积但性能优异的视觉语言动作模型，兼容Prismatic VLMs训练脚本，适用于机器人技术和多模态任务。

CrossFormer 是一个适用于操作、导航、移动和航空的统一策略模型，旨在跨具身学习中进行规模化应用。

VQ-BeT是针对PushT环境训练的行为生成模型，基于潜在动作原理设计

OpenVLA 7B是一个基于Open X-Embodiment数据集训练的开源视觉-语言-动作模型，能够根据语言指令和摄像头图像生成机器人动作。

HPT是一种将不同实体对齐到共享潜在空间的变换器模型，专注于策略学习中的扩展行为研究。