SmolVLA: Lightweight VLA Model for Embodied AI

SmolVLA是HuggingFace于2025年在LeRobot框架下开源的轻量级视觉-语言-动作模型，参数量约450M，旨在为教育、研究和低成本机器人平台提供易部署的VLA基线。该模型基于SmolLM2编码器和动作分块解码器设计，支持在主流开源机械臂（如SO-100、ALOHA）上微调，社区已提供预训练权重和完整训练pipeline。SmolVLA通过消融实验展示了VLA性能与模型规模的关系，是当前研究VLA效率和知识蒸馏的重要开源参考。适用于教育科研、快速原型验证和边缘部署场景。