🚀 SmolVLA：高效的视觉-语言-行动模型，让机器人变得更智能！ 🤖
今天我们为大家介绍 SmolVLA，一个紧凑的视觉-语言-行动（VLA）模型，专为机器人而设计，并且能够在普通硬件上运行！💻💡

SmolVLA 的特点：
仅需 450M 参数，支持在消费者硬件上训练和部署（甚至可以在 MacBook 上运行！）
预训练仅使用开源的社区数据集，且全部数据都经过兼容授权
在多个仿真任务和实际应用中超越了更大的 VLA 模型和其他强基线，如 ACT 模型
引入异步推理技术，提升 30% 响应速度，任务吞吐量翻倍 ⚡

🔧 如何使用 SmolVLA？
轻松安装与部署：通过 Hugging Face 上的简单代码即可使用
支持微调与从头训练，帮助你根据自己的需求自定义模型

🌟 SmolVLA 的优势：
通过视觉-语言模型（VLM）与动作专家的结合，能够理解图片和文本指令，并预测机器人的动作
采用先进的技术如图像 token 减少、跳过层次优化推理速度等，大大提升了推理效率
采用异步推理方式，在执行任务时，机器人能够并行处理动作预测，提高任务的完成速度与响应能力

🔍 在模拟和实际任务中的表现：
尽管 SmolVLA 比许多大型模型要小得多，但在任务成功率、执行速度和任务吞吐量上都超越了许多大型模型！尤其是在复杂的环境下，异步推理的使用让模型能够更快速、更高效地响应。

📚 社区数据集的力量：
SmolVLA 基于社区共享的机器人数据集进行训练，不仅数据量小而且更具多样性，能够帮助模型适应不同的任务与环境，减少了对昂贵硬件和大规模数据集的依赖。

💬 加入我们的行动：
试用 SmolVLA：你可以根据自己的数据进行微调，或者在你的机器人上测试该模型的表现
上传数据集：帮助扩展社区共享数据集，让 SmolVLA 更加强大
参与讨论：分享你的使用心得、建议或遇到的问题，我们会为你提供帮助！
让我们一起迈向更智能、更开放的机器人新时代！🤗

🤗 欢迎加入我们的中文社区：Chinese LLMs on Hugging Face，参与更多讨论和学习！
#机器人技术##人工智能##Hugging Face#