Home Progetti MemoryVLA
MemoryVLA
Python

MemoryVLA

[ICLR 2026] Codice di "MemoryVLA: Memoria Perceptivo-Cognitiva nei Modelli Visione-Linguaggio-Azione per la Manipolazione Robotica"

di shihao1895 · GitHub
Stelle
Fork
Creato
Ultimo commit
Categoria
Lingua
memoryroboticsvlaPython
Visualizza su GitHub
In parole semplici

Implementa la memoria cognitiva nei sistemi robotici che comprendono e agiscono in base a input visivi e linguistici.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
MemoryVLA — GitHub preview card
📈 Storia delle stelle
303302
2026-07-202026-08-17
📈 Segui MemoryVLA

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

[ICLR 2026] Codice di "MemoryVLA: Memoria Perceptivo-Cognitiva nei Modelli Visione-Linguaggio-Azione per la Manipolazione Robotica"

MemoryVLA ha 302 stelle su GitHub. È stato forkato 24 volte. MemoryVLA è scritto principalmente in Python. È in sviluppo attivo dal 2025. I suoi temi principali sono: memory, robotics, vla.

Frequently asked questions

Che cos'è MemoryVLA?

[ICLR 2026] Codice di "MemoryVLA: Memoria Perceptivo-Cognitiva nei Modelli Visione-Linguaggio-Azione per la Manipolazione Robotica"

MemoryVLA è open source?

MemoryVLA è un progetto open source.

MemoryVLA è gratuito?

Sì. MemoryVLA è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto MemoryVLA?

MemoryVLA è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — MemoryVLA

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=shihao1895-memoryvla)](https://olud.ai/project/shihao1895-memoryvla.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.