RepositoryLMD0311/Awesome-World-ModelSammlung
World Models gewinnen in der KI-Forschung für autonome Systeme massiv an Bedeutung, da sie es Fahrzeugen und Robotern ermöglichen, zukünftige Szenarien und 3D-Umgebungen vorab zu simulieren und zu verstehen. Eine zentral gepflegte Sammlung erleichtert Entwicklern und Forschern den Überblick über aktuelle Modellarchitekturen und Benchmarks.
Das Projekt löst das Problem der unübersichtlichen und rasant wachsenden Forschungsliteratur im Bereich World Models für die Perzeption und Handlungsplanung autonomer Systeme. Technologisch adressiert es Deep-Learning-Methoden, Computer Vision, 4D-Szenengenerierung und End-to-End-Steuerung. Die Zielgruppe umfasst Forschende und Entwickelnde in den Bereichen Computer Vision, autonome Fahrzeuge und Robotik. Mit über 2.200 Stars, direkter Anbindung an publizierte Peer-Review- und Konferenzbeiträge sowie kontinuierlichen Aktualisierungen zeigt sich das Repository als etablierte Ressource innerhalb dieser Forschungsspezialisierung.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Artikel:Saeed Babamohamadi
NVIDIA präsentiert mit Cosmos 3 eine offene Modellfamilie, die als World Action Model (WAM) physikalische Dynamiken erlernt und Steuerungsaktionen gemeinsam mit zukünftigen Kamerabildern generiert.
Link:Moo Jin Kim, Karl Pertsch, Siddharth Karamcheti et al.
OpenVLA ist ein quelloffenes Vision-Language-Action-Modell (VLA) mit 7 Milliarden Parametern zur Steuerung von Robotern. Es basiert auf Prismatic-7B, nutzt Llama 2 und wurde auf 970.000 Roboter-Episoden trainiert. Das Modell übertrifft bisherige Generalisten wie Octo und RT-1-X sowie teilweise das proprietäre 55B-Modell RT-2-X.
Artikel:Moo Jin Kim et al.
Forschende von Stanford, UC Berkeley, Google DeepMind und weiteren Institutionen stellen OpenVLA vor, ein quelloffenes Vision-Language-Action-Modell mit 7 Milliarden Parametern. Das auf 970.000 realen Roboterdemonstrationen trainierte Modell übertrifft geschlossene Vorgänger wie RT-2-X deutlich und lässt sich per LoRA auf handelsüblichen GPUs feinjustieren.
Artikel:Peiyan Li, Yuze Zhu, Yixiang Chen, Qisen Ma, Yuan Xu, Jiabing Yang, He Guan, Yan Huang, Hongtao Wu, Xiao Ma, Tao Kong, Liang Wang, Tieniu Tan
Forschende stellen BridgeVLA++ vor, ein Vision-Language-Action-Framework für 3D-Roboter-Manipulationen. Aufbauend auf BridgeVLA erweitert das Modell vortrainierte Vision-Language-Modelle (VLMs) um eine Architektur für räumlich-zeitliches Gedächtnis, um vergangene Beobachtungen und Interaktionshistorien effizient einzubeziehen.
Repository:alphaXiv/OpenResearch
OpenResearch von alphaXiv ist eine Open-Source-Plattform in Rust, die Programmieragenten wie Claude Code, Codex oder Cursor in automatisierte Forschungsagenten verwandelt.
5695SterneRust
Repository:speclib/awesome-openspec
Das Repository awesome-openspec bündelt Ressourcen, Tools und Erweiterungen rund um OpenSpec und die Methodik des Spec-Driven Development (SDD). OpenSpec unterstützt KI-Coding-Assistenten dabei, strukturierte Vorgaben in Codebasen systematisch umzusetzen.
65SterneJavaScript
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
