Início Projetos MemoryVLA
MemoryVLA
Python

MemoryVLA

[ICLR 2026] Código de "MemoryVLA: Memória Perceptual-Cognitiva em Modelos de Visão-Linguagem-Ação para Manipulação Robótica"

por shihao1895 · GitHub
Estrelas
Forks
Criado
Último commit
Categoria
Linguagem
memoryroboticsvlaPython
Ver no GitHub
Em palavras simples

Implemente memória cognitiva em sistemas robóticos que entendem e agem com base em entradas visuais e de linguagem.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
MemoryVLA — GitHub preview card
📈 Histórico de estrelas
303302
2026-07-202026-08-17
📈 Acompanhe MemoryVLA

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

[ICLR 2026] Código de "MemoryVLA: Memória Perceptual-Cognitiva em Modelos de Visão-Linguagem-Ação para Manipulação Robótica"

MemoryVLA tem 302 estrelas no GitHub. Foi bifurcado 24 vezes. MemoryVLA é escrito principalmente em Python. Está em desenvolvimento ativo desde 2025. Os seus principais temas são: memory, robotics, vla.

Frequently asked questions

O que é MemoryVLA?

[ICLR 2026] Código de "MemoryVLA: Memória Perceptual-Cognitiva em Modelos de Visão-Linguagem-Ação para Manipulação Robótica"

MemoryVLA é de código aberto?

MemoryVLA é um projeto de código aberto.

MemoryVLA é gratuito?

Sim. MemoryVLA é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem MemoryVLA está escrito?

MemoryVLA é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — MemoryVLA

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=shihao1895-memoryvla)](https://olud.ai/project/shihao1895-memoryvla.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.