外观
新闻ROS Discourse 官方社区昨天
ROS 2智能体机器人新课开源：集成SmolVLA模型与49组番茄采摘演示数据
本文由 AI 根据公开内容整理，可能有误，请以原文为准：New course: Agentic Robotics with ROS 2, from AI agents to VLA models (code on GitHub)（ROS Discourse 官方社区）
核心内容
ROS Discourse社区发布《Agentic Robotics with ROS 2》自修课程及配套GitHub代码，旨在打通传统ROS 2架构与现代AI Agent及VLA模型的技术链路。该项目以温室番茄巡检机器人为统一仿真载体，完整覆盖从节点通信、Skill Server构建到VLA模型训练部署的全流程，并开源了包含49组人类操作示范、共计4228帧的专用数据集及基准测试方案。
技术架构采用LLM作为上层Agent调用ROS 2 Skill Server，底层集成基于演示数据微调的SmolVLA模型执行“采摘”技能。工程门槛显著降低：Ubuntu 24.04环境下，基础模块仅需8GB RAM且无需GPU；VLA模型训练最低支持4GB显存的NVIDIA GPU。项目提供了完整的机器人仿真环境、Agent脚本及对比基线，为具身智能算法验证提供了轻量化开源基准。
关键看点
- 开源数据集：提供49组人类演示数据共4228帧，专门用于训练温室番茄采摘任务的SmolVLA模型
- 低算力部署：基础ROS 2与Agent模块仅需8GB RAM无GPU运行，VLA训练最低支持4GB显存N卡
- 技术栈融合：构建ROS 2 Skill Server供LLM调用，并将VLA模型封装为原子技能实现端到端控制
- 全栈代码开源：GitHub托管完整Workspace，含仿真机器人、Agent脚本、演示数据及性能对比基线
工程与产业观察
该课程填补了ROS 2工程体系与前沿VLA模型间的实操断层，通过极低硬件门槛和标准化数据集，降低了具身智能算法复现成本。其将LLM工具调用与VLA技能执行解耦的架构设计，为开发者验证“大模型+机器人”落地方案提供了可迁移的工程范式与评测基准。
来源
本页事实对应的公开页面，以原文为准。