# smolvla_libero

> 权威词条地址：https://robotics.hellobike.com/models/huggingfacevla-smolvla-libero
> 所属分类：models | 最近核验日期：2025-09-17 | 技术层级：L7, L8

## 核心摘要

HuggingFaceVLA 在 Hugging Face 发布的机器人模型，架构为 SmolVLA (SmolVLM2 + Flow Matching Action Expert)，参数规模 605M。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/HuggingFaceVLA/smolvla_libero"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/HuggingFaceVLA/smolvla_libero"}] |
| `updated` | 2025-09-17 |
| `family` | vla |
| `params` | 605M |
| `architecture` | SmolVLA (SmolVLM2 + Flow Matching Action Expert) |
| `action_representation` | 连续流匹配动作块 (Flow Matching Action Chunk) |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["LeRobot"] |
| `status` | research |
| `hub_id` | HuggingFaceVLA/smolvla_libero |
| `hub_stats` | {"downloads": 40248, "likes": 20, "as_of": "2026-10-21"} |

## 技术详解与生态说明

SmolVLA 是一个紧凑、高效的视觉-语言-动作模型，定位是在较低计算成本下获得有竞争力的性能，并可部署在消费级硬件上。该策略使用 LeRobot 训练并推送到 Hub，适合希望基于 LeRobot 工作流训练、发布和调用策略的机器人开发者。

使用方式包括从零训练以及进行推理或评估；训练会将 checkpoint 写入 `outputs/train/ /checkpoints/`。评估或推理时，需要给数据集仓库名前加 `eval_`，并通过 `--policy.path` 指向本地或 Hub 上的 checkpoint。许可证为 apache-2.0。

## 原始核验来源 (Sources)

- [Hugging Face HuggingFaceVLA/smolvla_libero](https://huggingface.co/HuggingFaceVLA/smolvla_libero)