# SimVLA-LIBERO

> 权威词条地址：https://robotics.hellobike.com/models/yuankailuo-simvla-libero
> 所属分类：models | 最近核验日期：2026-02-26 | 技术层级：L7, L8

## 核心摘要

YuankaiLuo 在 Hugging Face 发布的机器人模型，架构为 SmolVLMVLA，参数规模 811M。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/YuankaiLuo/SimVLA-LIBERO"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/YuankaiLuo/SimVLA-LIBERO"}] |
| `updated` | 2026-02-26 |
| `family` | vla |
| `params` | 811M |
| `architecture` | SmolVLMVLA |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | YuankaiLuo/SimVLA-LIBERO |
| `hub_stats` | {"downloads": 1031, "likes": 2, "as_of": "2026-10-21"} |

## 技术详解与生态说明

SimVLA（LIBERO Edition）是面向机器人操作的 Vision-Language-Action 模型基线，目标是在 VLA 研究中提供一个更透明、可复现的参考点，用于减少不同训练配方和实现细节对经验结果归因的干扰。

该模型采用严格解耦感知与控制的设计：使用标准视觉语言骨干网络，并接入轻量级动作头，同时标准化关键训练动态。其参数量为 0.5B，并明确强调没有使用机器人预训练。

在验证结果上，SimVLA 被描述为在标准仿真基准上优于多十亿参数模型，并在真实机器人性能上达到与 π0.5 相当的水平。项目还提供了论文引用信息和项目网站。

## 原始核验来源 (Sources)

- [Hugging Face YuankaiLuo/SimVLA-LIBERO](https://huggingface.co/YuankaiLuo/SimVLA-LIBERO)