smolvla_robotwin

lerobot 在 Hugging Face 发布的机器人模型，架构为 SmolVLA (SmolVLM2 + Flow Matching Action Expert)，参数规模 450M，训练数据包含 pepijn223/robotwin_unified_v3。

模型 hugging-facelerobot-smolvla-robotwin

模型档案汇总架构、许可、适配机型与资料来源

smolvla_robotwin

lerobot 在 Hugging Face 发布的机器人模型，架构为 SmolVLA (SmolVLM2 + Flow Matching Action Expert)，参数规模 450M，训练数据包含 pepijn223/robotwin_unified_v3。

具身模型
端侧部署

VLA研究450MHugging Face更新于 16 天前

品牌官网官方产品页

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，目标是在降低计算成本的同时取得有竞争力的性能，并可部署在消费级硬件上。该策略使用 LeRobot 训练并推送到 Hugging Face Hub。

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

资料出处 Hugging Face lerobot/smolvla_robotwin

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: 450M
闭环控制频率: 25Hz
Hub 下载量: 7.5k; 出处Hugging Face
Hub 点赞: 4; 出处Hugging Face

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

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 lerobot/smolvla_robotwin --local-dir ./checkpoints/lerobot-smolvla-robotwin

# 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=lerobot/smolvla_robotwin

预训练与微调基准数据集：pepijn223/robotwin_unified_v3