SmolVLA

SmolVLAの概要

強力なロボティクスモデル

SmolVLAは、コンシューマーレベルのハードウェア上で動作するコンパクトで効率的なオープンソースのVision-Language-Action（VLA）モデルです。450Mという小さなサイズにもかかわらず、シミュレーションや実世界のタスクにおいて、より大きなモデルよりも優れたパフォーマンスを発揮します。

コミュニティ主導のトレーニング

このモデルは、LeRobotプロジェクトから提供されるオープンなデータセットを用いてコミュニティのデータでトレーニングされています。これにより、研究者や開発者は、よりアクセスしやすい環境でロボティクス研究を行うことができます。

高い応答性

チームは、非同期推論を実装することで、SmolVLAの応答性を向上させています。これにより、リアルタイムのインタラクションが可能となるため、ロボットが物理環境と効果的に対話することができます。

さまざまな用途や研究目的に利用できるSmolVLAは、AIエージェントを物理世界に連携させるための重要なツールとなるでしょう。