SmolVLA: Efficient Vision-Language-Action Model trained on Lerobot Community Data

Hugging Face 推出 SmolVLA，這是一款基於 LeRobot 社群數據訓練的高效開源視覺-語言-動作（VLA）模型，降低機器人具身智能的部署門檻。

Hugging Face 發表全新開源模型 SmolVLA，專為具身智能與機器人控制設計。該模型屬於「Smol」輕量化系列，結合視覺、語言與動作（VLA）能力，並完全採用 LeRobot 社群的真實機器人操作數據進行訓練。SmolVLA 的高效能與小體積，讓開發者能在邊緣設備上實現低延遲的機器人視覺決策與控制。

摘要由 AI 整理,以原文為準。