К содержимому
Робототехника

SmolVLA для SO101

политика, которая переливает кубик

2 мин чтенияобновлено

SmolVLA — компактная vision-language-action модель (VLA: на входе изображения и состояние робота, на выходе команды действиям), которую можно запускать на потребительском железе. Этот чекпоинт — политика для робота SO101: она смотрит на камеры и состояние манипулятора и выдаёт 6-мерное действие, чтобы перелить кубик из исходной чашки в целевую. Модель дообучена от lerobot/smolvla_base, содержит около 0,45 млрд параметров и обучена на 50 эпизодах (33 360 кадров, 30 FPS). Пригодится тем, кто собирает SO101 и хочет проверить готовый навык или использовать его как пример обучения с имитацией в LeRobot.

Ключевые особенности

  • Компактная VLA-политика на ~0,45 млрд параметров, дообучена от lerobot/smolvla_base.
  • На входе — состояние (6,) и изображения с камер; на выходе — 6-мерное действие.
  • Заточена под робота so_follower с камерами front и wrist.
  • Обучение: 50 эпизодов, 33 360 кадров при 30 FPS, 2500 шагов.
  • Оценки успешности на реальном роботе в карточке пока нет.

Что можно сделать

  • Запустить политику на своём SO101 через lerobot-rollout и проверить переливание кубика.
  • Собрать датасет в LeRobot и дообучить smolvla_base под другую манипуляцию.
  • Разобрать пример пайплайна imitation learning для робота с двумя камерами.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port=<your_robot_port> \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, wrist: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=amais23/so101_smolvla_cube_pouring \
  --task="Pour the cube from the source cup into the target cup" \
  --duration=60
ПодробнееБаза: lerobot/smolvla_base, лицензия Apache-2.0.
Данные: 50 эпизодов, 33 360 кадров при 30 FPS; обучение — 2500 шагов, batch size 16, AdamW, lr 1e-4, seed 1000, LeRobot 0.6.1.
Робот: so_follower, камеры front и wrist; вход — состояние (6,) и изображения, выход — действие (6,).
Оценки успешности на реальном роботе в карточке нет.
Обсудить Telegram 0 63

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.

    # amais23/so101_smolvla_cube_pouring
    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 amais23/so101_smolvla_cube_pouring --local-dir ~/models/so101_smolvla_cube_pouring
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к so101_smolvla_cube_pouring
  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

Дообучение модели

lerobot/smolvla_base
  1. SmolLM2-360Mоснова семьи
  2. SmolLM2-360M-Instruct
  3. SmolVLM-500M-Instruct
  4. SmolVLM2-500M-Video-Instruct
  5. smolvla_base
  6. so101_smolvla_cube_pouring

Новые посты про версии SmolLM2-360M — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

amais23/so101_smolvla_cube_pouring
Автор
amais23
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

630

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии