К содержимому
Робототехника

smolvla-so101-sim-wide50-perturbed-6k-lr1e4

VLA-политика для робота-манипулятора

2 мин чтенияобновлено

Компактная модель класса VLA (Vision-Language-Action — нейросеть, которая принимает изображение и текстовую команду и выдаёт действия для робота), обученная с помощью фреймворка lerobot от автора alimerido. Политика предназначена для управления роботом-манипулятором типа so_follower и решает конкретную задачу: захватить красный кубик и положить его в синюю коробку («Grab the red cube, place it in the blue box»). В основе лежит архитектура SmolVLA объёмом 0.45B параметров, рассчитанная на запуск на потребительском железе без огромных вычислительных затрат. Подойдёт разработчикам и энтузиастам робототехники, которые тестируют имитационное обучение на базе LeRobot.

Ключевые особенности

  • Компактный размер: 0.45B параметров, архитектура SmolVLA оптимизирована для потребительских видеокарт.
  • Мультимодальный вход: обрабатывает текущее состояние робота observation.state (вектор размерности 6) и кадры 256×256 с трёх камер (включая камеры top и wrist).
  • Готовое управление: на выходе модель напрямую генерирует вектор действий action размерности 6 для приводов манипулятора.
  • Симуляционный датасет: обучена на наборе данных so101-sim-wide50-perturbed-v1 (50 эпизодов, 27 244 кадра при 30 FPS).

Что можно сделать

  • Запустить готовую политику на совместимом манипуляторе so_follower с подключёнными OpenCV-камерами для отработки перекладывания объектов.
  • Использовать чекпоинт как отправную точку или референс при настройке собственного пайплайна обучения SmolVLA в lerobot.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --policy.path=alimerido/smolvla-so101-sim-wide50-perturbed-6k-lr1e4 \
  --task="Grab the red cube, place it in the blue box" \
  --duration=60
ПодробнееОбучение: 6000 шагов, batch size 64, оптимизатор AdamW, learning rate 0.0001, seed 1000.
Версия библиотеки: LeRobot 0.6.2.
Оценка: метрики успешности на реальном роботе в карточке пока не приведены.
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.8 GB · готовые файлы1.4 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB1.0 GB
  • 4-bitвеса 0.2 GB0.8 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # alimerido/smolvla-so101-sim-wide50-perturbed-6k-lr1e4
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download alimerido/smolvla-so101-sim-wide50-perturbed-6k-lr1e4 --local-dir ~/models/smolvla-so101-sim-wide50-perturbed-6k-lr1e4
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии smolvla-so101-sim-wide50-perturbed-6k-lr1e4 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

alimerido/smolvla-so101-sim-wide50-perturbed-6k-lr1e4
Автор
alimerido
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

OMX SmolVLA

OMX SmolVLA