人工智能领域再添新成员！Hugging Face 近日发布了开源机器人 AI 模型 SmolVLA，并在虚拟与现实环境中均展现出了令人印象深刻的性能，超越了许多参数规模更大的机器人模型，引发业界广泛关注。
Hugging Face 在其官方博客中明确指出，SmolVLA 的目标是加速视觉-语言-行动 (VLA) 模型在机器人领域的应用，从而推进通用机器人智能体的研究进程。它不仅是一个轻量级且功能强大的模型，更代表着一种训练和评估通用机器人技术的新思路。VLA 模型允许机器人通过视觉和语言理解环境，并据此执行相应的动作，这被认为是实现更高级别机器人智能的关键一步。
SmolVLA 作为 Hugging Face 低成本机器人软硬件生态系统的重要组成部分，进一步扩展了该公司在机器人领域的布局。 早在此前，Hugging Face 就已推出了 LeRobot，一套专注于机器人领域的模型、数据集和工具。 近期，Hugging Face 收购了法国机器人初创公司 Pollen Robotics，并推出了一系列价格亲民的机器人系统，甚至包括人形机器人。这一系列举措表明 Hugging Face 正致力于打造一个完整的、开源的机器人开发平台，降低机器人技术的门槛。
SmolVLA 拥有 4.5 亿个参数，这些参数决定了模型的行为。它基于 LeRobot 社区数据集进行训练，该数据集由 Hugging Face AI 开发平台共享并专门为机器人标注。Hugging Face 强调，SmolVLA 的模型规模足够小，可以在单个消费级 GPU 甚至 MacBook 上运行，从而降低了测试和部署的成本。这种低资源需求使得研究人员和开发者能够更容易地进行实验和创新，加速了机器人技术的开发进程。与动辄需要大型服务器集群才能运行的模型相比，SmolVLA 在资源上的优势显而易见，让更多人有机会参与到机器人 AI 的开发中。
SmolVLA 还支持异步推理堆栈功能，将机器人行动的处理与视觉和听觉的处理分离。这种解耦设计使得机器人能够在快速变化的环境中更快地做出响应，从而提高效率和性能。传统的机器人控制系统往往依赖于同步处理，这可能会导致延迟，尤其是在复杂的环境中。异步推理堆栈的引入，有效解决了这个问题，提高了机器人对突发状况的应对能力。
目前，SmolVLA 已经在 Hugging Face 官方网站上开放下载。一些用户在社交平台上分享了他们的使用体验，声称利用该模型成功控制了第三方机械臂，进一步证明了 SmolVLA 的实用性和潜力。这些早期用户的积极反馈，无疑为 SmolVLA 的未来发展奠定了良好的基础。
值得注意的是，在开放机器人领域，Hugging Face 并非唯一玩家。英伟达也推出了一套用于开放机器人的工具集，初创公司 K-Scale Labs 正在开发所谓的“开源人形机器人”组件。此外，Dyna Robotics、杰夫·贝索斯支持的 Physical Intelligence 以及 RLWRLD 等公司也在积极参与其中。 开放式机器人技术的发展，受益于这种良性竞争和协同合作，各家公司和组织的共同努力，将持续推动机器人技术的发展和普及，为未来的智能生活创造更多可能性。
