Blog

Hướng dẫn VLASH từ MIT Han Lab — framework biến VLA thành real-time với asynchronous inference future-state-aware, giảm latency 11.8× mà không đổi kiến trúc.

Hướng dẫn dùng GR00T-WholeBodyControl open-source để train SONIC whole-body controller trên 100M+ frame motion capture, deploy lên Unitree G1.

VLAC tích hợp critic vào vòng lặp RL thực tế, đưa success rate từ 30% lên 90% chỉ sau 200 episodes không cần reward engineering thủ công.

CoorDex dùng body và hand latent priors để dạy Unitree G1 thực hiện walk-grasp-carry liên tục không dừng, với code open-source từ UNC Chapel Hill.

Hướng dẫn DyPES-VLA — VLA cross-embodiment SOTA: 98% LIBERO, 89% RoboTwin 2.0, 75.6% real-world với Dynamics Prior và MoE Action Head trên 3 embodiments.

Hướng dẫn SLIM-0.5B, mô hình VLA manipulation gọn nhẹ với action-grounded predictive latents trên LIBERO.

Hướng dẫn πR² cho GR00T-N1.7: kiến trúc, cài đặt, fine-tune, inference 25 Hz và kết quả manipulation thực tế.

Hướng dẫn kiến trúc và cách train ω-0 — mô hình latent predictive WAM giúp humanoid robot vừa đi vừa gắp đồ cùng lúc, đạt 81.8% trên 11 tác vụ gia đình.

Hướng dẫn chạy MiniVLA trên LIBERO/MuJoCo, thêm perturbation để đo robustness và hiểu mốc 97,92% success rate.

Hướng dẫn kỹ thuật Qwen-VLA từ Alibaba: kiến trúc Qwen3.5-4B + DiT decoder, 4 giai đoạn training, đạt 97.9% trên LIBERO và đánh bại pi0.5 trên ALOHA thực tế.

Hướng dẫn World-to-Wrist cho VLA: sinh wrist-view, gắn CoT cổ tay, chuẩn bị LeRobot, training và inference policy manipulation.

FM-VLA dùng VAE nén lịch sử cảm biến lực thành 8 memory token, giúp robot nhấn nút đúng số lần, lau chùi, tìm vật che khuất — đạt 83.3% success rate.