SmolVLA: Efficient Vision-Language-Action Model trained on Lerobot Community Data

En 3 lignesHugging Face présente SmolVLA, un modèle vision-langage-action efficace entraîné sur les données communautaires Lerobot. Le modèle combine perception visuelle et compréhension du langage pour générer des actions robotiques, optimisé pour l'inférence sur ressources limitées.

Résumé généré par Claude — vérifié par l'humain