南洋理工大学与上海人工智能实验室联合推出开源框架PhysX-Anything，仅需单张RGB图像即可生成包含几何、关节和物理参数的完整3D资产，可直接用于机器人训练。技术亮点包括：由粗到细的流程，先预测整体物理属性再细化部件；新型压缩3D表示方法，避免视觉优先导致的物理失真。
Y Combinator 2024届明星项目K-Scale Labs宣布停止运营，CEO本・博尔特在Discord公告中透露，公司剩余现金约40万美元，无法交付预售的桌面人形机器人DevKit，即日起启动退订与清算流程。该公司成立于2024年，采用“开源+商品化零部件”策略，将整机成本压至1500美元以下，去年获400万美元种子轮融资，投后估值5000万美元。
宇树科技推出以轮式人形机器人G1-D为核心的全栈解决方案，集成数据采集、处理、标注、审核及资产管理功能，提供一站式AI模型开发支持，涵盖分布式训练、自定义模型开发与部署服务，兼容主流开源模型。
开源项目nanochat大幅降低AI模型训练门槛，仅需100美元即可构建功能完整的聊天AI系统。它提供从数据处理到部署的一键式流程，代码简洁易用，既是实用工具也是教学平台，帮助开发者深入理解大型语言模型训练全流程。
一个开源的AI聊天机器人模板，使用Next.js和Vercel的AI SDK构建。
开源AI桌面机器人，具有表情屏幕、双轴控制台和语音聊天功能。
开源机器人模拟平台，用于生成无限机器人数据和泛化AI。
全栈开源机器人
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$6
$24
Baidu
128
$2
$20
jeevanrushi07
OpenLLaMA 3B v2是一个基于Transformer架构的开源大语言模型，拥有30亿参数。该模型采用MIT许可证，主要用于英文文本生成任务，支持聊天机器人等多种应用场景。
VLA-Adapter
VLA-Adapter是一种在Libero-Spatial上训练的微型视觉语言动作模型，采用Prismatic-VLM架构，仅使用Qwen2.5-0.5B作为大语言模型主干。该模型在机器人基准测试中超越了参数规模更大的开源VLA模型，实现了高性能的视觉-语言-动作理解与执行。
allenai
MolmoAct是由艾伦人工智能研究所开发的开源机器人操作动作推理模型，基于Qwen2.5-7B和SigLip2视觉骨干网络构建，专门针对家庭和桌面环境中的单臂Franka机器人操作任务进行优化。
MolmoAct是由艾伦人工智能研究所开发的全开源机器人操作动作推理模型，基于Qwen2.5-7B和SigLip2视觉骨干网络构建，专门用于家庭和桌面环境中的机器人操作任务。
MolmoAct是由艾伦人工智能研究所开发的开源动作推理模型，专门用于机器人操作任务。该模型基于Qwen2.5-7B和SigLip2构建，在家庭和桌面环境中的93种操作任务上训练，具有领先的视觉-语言-动作处理能力。
MolmoAct是由艾伦人工智能研究所开发的开源动作推理模型，专门用于机器人操作任务。该模型基于Qwen2.5-7B和SigLip2视觉骨干网络，在家庭和桌面环境中的93种独特操作任务上训练，具有领先的视觉-语言-动作推理性能。
gabriellarson
OpenBuddy是一款开源的多语言聊天机器人，支持多种语言，能为用户提供多样化的交流体验。
declare-lab
Nora是一个开源的视觉-语言-动作模型，基于Qwen 2.5 VL - 3B训练，能够根据语言指令和相机图像生成机器人动作。
SpursgoZmy
Table LLaVA 7B是一个开源的多模态聊天机器人，专门设计用于理解表格图像，能够执行表格问答、表格单元格描述和结构理解等多种表格相关任务。该模型基于LLaVA-v1.5架构，使用CLIP-ViT-L-336px作为视觉编码器，Vicuna-v1.5-7B作为基础大语言模型。
nvidia
英伟达Isaac GR00T N1是全球首个面向通用人形机器人推理与技能的开源基础模型，具有20亿参数规模。
Share4oReasoning
一个开源的聊天机器人模型，通过在开源数据上微调整个模型进行训练，可用于多模态模型和聊天机器人的研究。
LeroyDyer
LLaVa是一个开源多模态聊天机器人，通过对LLaMA/Vicuna在GPT生成的多模态指令跟随数据上进行微调训练而成，专门为聊天/指令优化的多模态版本LLM。
variante
LLaRA是一个开源视觉运动策略模型，通过微调LLaVA-7b-v1.5在指令跟随数据和辅助数据集上训练而成，主要用于机器人技术研究。
zongzhuofan
MoVA-8B是一个开源的多模态大语言模型，采用从粗到细的机制，自适应地路由和融合特定任务的视觉专家模块，可用于多模态模型和聊天机器人的研究。
Table LLaVA 7B 是一款开源多模态聊天机器人，专为理解各类表格图像并完成多样化表格相关任务而设计。
openvla
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。
OpenVLA v0.1 7B是一个开源视觉-语言-动作模型，基于Open X-Embodiment数据集训练，支持多种机器人控制。
llava-hf
LLaVA-NeXT-Video是一个开源多模态聊天机器人，通过视频和图像数据混合训练，具备优秀的视频理解能力。
LLaVA-NeXT-Video是一个开源多模态聊天机器人，通过视频和图像数据混合训练优化，具备优秀的视频理解能力。
LLaVA-NeXT-Video是一个开源多模态聊天机器人，通过视频和图像数据混合训练获得优秀的视频理解能力，在VideoMME基准上达到开源模型SOTA水平。
MCP是一个标准化LLM交互的开源协议，提供统一框架连接数据源、获取上下文、使用工具和执行标准提示。项目示例展示了如何构建MCP服务器和客户端，实现知识库聊天机器人功能。
这是一个包含大量开源AI项目的列表，涵盖了从自然语言处理、图像生成到自动化工作流等多个领域。这些项目旨在帮助开发者利用AI技术构建各种应用，包括聊天机器人、代码生成工具、数据处理系统等。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
