模型

具身模型库

硅基参考模型库记录 VLA、VLM、策略模型、扩散策略与控制模型的组织、模态、硬件支持与论文关系，便于按能力路线检索。

Google DeepMind 视觉-语言-动作机器人基础模型，基于 Gemini 2.0，支持灵巧操作与少样本适配。

OpenAI 对比式视觉-语言预训练模型，4 亿图文对训练，支持零样本图像分类。

Google DeepMind 视觉-语言-动作模型，将 VLM 与机器人控制统一为 token 预测。

OpenAI 文生图扩散模型，结合 CLIP 文本嵌入与扩散解码器生成高分辨率图像。

Google Robotics Transformer，在 13 万真实轨迹 700+ 任务上实现机器人控制泛化。

DeepMind 蛋白质结构预测模型，在 CASP14 达原子级精度，破解 50 年蛋白质折叠难题。

Stability AI 开源潜在扩散文生图模型，在 LAION-5B 上训练，可在消费级 GPU 上运行。

Google DeepMind 原生多模态大模型，支持文本、图像、音频与视频输入。

OpenAI 多模态大模型，接受图文输入输出文本，在多项专业考试达人类前 10%。