Modelo autorregresivo de DAMO Academy (Alibaba) que integra un modelo visión-lenguaje-acción y un modelo de mundo para entender y generar tanto imágenes como acciones de robot.
¿Por qué importa?
Demostró que acoplar un modelo que predice imágenes futuras mejora la generación de acciones del robot.
Disponibilidad
Pesos y código en Hugging Face y GitHub (Apache 2.0). Su sucesor es RynnVLA-002.
