SmolVLA

SmolVLA是一个紧凑型（450M）开源的视觉-语言-行动模型，专为机器人技术设计。它基于社区数据进行训练，能够在普通消费者硬件上运行，并且性能超过了许多更大型的模型。这个模型已经发布，包括相关的代码和使用指南。