人工智能社區Hugging Face近日推出4.5億參數的開源機器人模型SmolVLA，該模型主打輕量化和高普適性，可在MacBook Pro等消費級硬件上運行，顯著降低了開發者入門門檻。

　　當前，機器人模型普遍采用“視覺-語言-行動”(VLA)架構，但訓練成本高昂且多為閉源。SmolVLA通過優化模型結構，結合Transformer與flow-matching解碼器，并采用四項關鍵技術提升效率，包括減少視覺Token數量和輕量化視覺編碼器等。

　　Hugging Face表示，盡管訓練數據僅包含不到3萬個任務記錄，SmolVLA在模擬環境和真實場景中的表現媲美甚至超越大型模型。此外，其異步推理架構增強了機器人在動態環境中的響應能力。

　　該模型已在Hugging Face平臺開源，配套訓練方法亦公開于GitHub，為通用機器人智能體研究提供了更易獲取的工具。