返回全部动态
Hugging Face 发布 SmolVLA 紧凑型机器人视觉语言动作模型
原标题：lerobot/smolvla_base
AI 摘要
Hugging Face 在 LeRobot 框架下发布 SmolVLA 基础模型（lerobot/smolvla_base），这是一个紧凑高效的视觉-语言-动作（VLA）模型，基于 SmolVLM2-500M-Video-Instruct，采用流匹配训练目标，可在单张 GPU 上训练并部署于消费级硬件。模型支持多视角图像、本体状态和可选语言指令输入，输出连续动作，定位为可微调的基础模型，性能可媲美更大的 VLA 模型。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
--- language: - en library_name: lerobot license: apache-2.0 pipeline_tag: robotics tags: - vision-language-action - imitation-learning - lerobot inference: false base_model: HuggingFaceTB/SmolVLM2-500M-Video-Instruct --- # SmolVLA (LeRobot) SmolVLA is a compact, efficient Vision-Language-Action (VLA) model designed for affordable robotics, trainable on a single GPU and deployable on consumer hardware, while matching the performance of much larger VLAs through community-driven data. **Origina
发布时间：2026-10-06 21:57
抓取时间：2026-10-06 21:59
来源机构：Hugging Face