智元通用具身基座大模型GO-1是智元推出的一款革命性的人工智能模型。

R1-V是一个专注于强化视觉语言模型（VLM）泛化能力的项目。

SAMURAI是一种基于Segment Anything Model 2 (SAM 2)的视觉对象跟踪模型，专门设计用于处理快速移动或自遮挡对象的视觉跟踪任务。

ManiWAV是一个研究项目，旨在通过野外的音频和视觉数据学习机器人操控技能。

该工具旨在通过对最新专有和开源MLLMs进行定性研究，从文本、代码、图像和视频四个模态的角度，评估其泛化能力、可信度和因果推理能力，以提高MLLMs的透明度。

GLEE 是一个针对图片和视频的通用对象基础模型，通过统一的框架实现了定位和识别图像和视频中的对象，并能应用于各种对象感知任务。

InstructVideo 是一种通过人类反馈用奖励微调来指导文本到视频的扩散模型的方法。