外观
Skip to content
smolvla_libero
smolvla_libero
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。
模型HuggingFaceVLAsmolvla_libero
模型档案汇总架构、许可、适配机型与资料来源
smolvla_libero
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。
概述
这个模型的核心架构、动作空间设计与真机部署定位。
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。
关键参数与架构规格
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
- 参数量
- 605M
- 网络架构
- SmolVLA (SmolVLM2 + Flow Matching Action Expert)
- 动作空间表示
- 连续流匹配动作块 (Flow Matching Action Chunk)
- 支持数据格式
- LeRobot
暂未公开或待收录：微调显存需求 · 闭环控制频率
快速部署与许可说明
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
apache-2.0
权重许可证
apache-2.0
权重下载与策略推理参考
# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download HuggingFaceVLA/smolvla_libero --local-dir ./checkpoints/huggingfacevla-smolvla-libero
# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=HuggingFaceVLA/smolvla_libero关联机型
模型卡或论文声明在这些机器人上训练、微调或部署过；口径是作者声明，不是第三方复现。
没有已核实的适配记录。
同家族模型
同一家族里的热门模型。
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face HuggingFaceVLA/smolvla_libero访问 2026-10-21