К содержимому
Робототехника

smolvla_policy_omy_gelsight_snack_all_nogel

политика управления роботом на базе SmolVLA

2 мин чтенияобновлено

Эта модель представляет собой обученную политику действий для робототехники, созданную на основе компактной архитектуры SmolVLA (Vision-Language-Action — нейросеть, объединяющая зрение, понимание языка и генерацию команд движения) размером 0.45B параметров от автора WoojongKim. Она преобразует визуальные данные и текстовые инструкции в конкретные моторные действия робота, а судя по названию, адаптирована для задач манипуляции со снеками с использованием тактильных сенсоров GelSight. В отличие от тяжелых моделей для роботов, база lerobot/smolvla_base оптимизирована для запуска на обычном потребительском железе без больших вычислительных затрат. Разработка пригодится исследователям робототехники и энтузиастам, работающим в экосистеме LeRobot.

Ключевые особенности

  • Компактный размер 0.45B параметров на базе lerobot/smolvla_base, подходящий для локального запуска на потребительском оборудовании.
  • Полная интеграция с фреймворком LeRobot от Hugging Face для быстрой оценки и развертывания на реальных манипуляторах.
  • Ориентация на мультимодальное управление: модель связывает визуальное восприятие, языковые команды и физические действия.
  • Открытая лицензия Apache-2.0, позволяющая свободно использовать и модифицировать веса в своих проектах.

Что можно сделать

  • Запустить инференс и протестировать работу политики на совместимом роботе-манипуляторе (например, so100_follower) через утилиту lerobot-record.
  • Использовать чекпоинт как отправную точку для дообучения под собственные задачи захвата и перемещения мелких предметов.

Пример

lerobot-record \
  --robot.type=so100_follower \
  --dataset.repo_id=user/eval_snack \
  --policy.path=WoojongKim/smolvla_policy_omy_gelsight_snack_all_nogel \
  --episodes=10
ПодробнееБазовая модель: lerobot/smolvla_base (0.45B параметров)
Фреймворк: LeRobot (задача: robotics)
Лицензия: Apache-2.0
Требования: оптимизирована для потребительского железа (consumer-grade hardware), для обучения используется CUDA.
Обсудить Telegram 0 17

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.

    # WoojongKim/smolvla_policy_omy_gelsight_snack_all_nogel
    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 WoojongKim/smolvla_policy_omy_gelsight_snack_all_nogel --local-dir ~/models/smolvla_policy_omy_gelsight_snack_all_nogel
    # 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

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. smolvla_policy_omy_gelsight_snack_all_nogel

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

WoojongKim/smolvla_policy_omy_gelsight_snack_all_nogel
Автор
WoojongKim
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии