Découvrez SmolVLA, un modèle VLA compact et open-source, idéal pour la robotique sur matériel grand public.
Les développeurs en robotique peuvent maintenant se réjouir : SmolVLA, le modèle vision-langage-action compact de seulement 450 millions de paramètres, se révèle être une avancée significative pour ceux qui cherchent à développer sur du matériel grand public. Entraîné exclusivement sur des jeux de données ouverts et partagés par la communauté, SmolVLA démontre que l’efficacité n’est plus le privilège des grands modèles privés coûteux.
Un modèle open-source accessible et performant
SmolVLA s’illustre par sa capacité à fonctionner sur des configurations matérielles modestes tout en offrant des performances impressionnantes. Comparé à des modèles beaucoup plus imposants comme ACT, SmolVLA parvient à surpasser les standards établis dans des tâches de simulation telles que LIBERO et Meta-World, ainsi que dans des applications réelles, notamment SO100 et SO101. La clé de cette performance réside dans son architecture optimisée qui exploite de manière ingénieuse le concept de skipping de couches et l’utilisation réduite de tokens visuels afin d’accélérer les inférences.
Avantages de l’inférence asynchrone
Un des aspects les plus innovants de SmolVLA est son système d’inférence asynchrone qui permet une réponse 30% plus rapide et un débit de tâches doublé. Cette méthode sépare les processus de perception visuelle et de décision d’action, offrant ainsi une réactivité accrue dans des environnements dynamiques. Cette approche réfute l’idée que sophistication rime nécessairement avec complexité matérielle.
‘La démocratisation des modèles VLA passe par des solutions plus légères et ouvertes.’
SmolVLA Project Team
Entraînement et utilisation simplifiés
Installer et commencer à utiliser SmolVLA s’avère être un jeu d’enfant. En utilisant des méthodes similaires à celles des grands modèles de langage, le processus implique d’abord un pré-entraînement sur des ensembles de données de manipulation générale, suivi d’une spécialisation sur des tâches spécifiques. Même sans expérience approfondie, les utilisateurs peuvent rapidement adapter SmolVLA à leurs besoins robotiques spécifiques. La compacité de SmolVLA n’entrave pas ses performances, un fait souligné par ses résultats impressionnants obtenus avec moins de 30 000 épisodes d’entraînement.
SmolVLA se démarque par sa capacité à fonctionner sur des matériels grand public tout en rivalisant avec des modèles plus volumineux. Destiné à démocratiser l’accès aux modèles VLA, il s’impose comme un outil indispensable pour les développeurs en robotique.
Standardisation des données et impact communautaire
Un autre pilier du succès de SmolVLA est sa formation à partir des données communautaires sous le tag lerobot. Ce modèle open-source rend la recherche en robotique plus inclusive, détachée des contraintes de pouvoir des grands groupes privés. En embrassant une approche collaborative et ouverte, SmolVLA invite les innovateurs à explorer de nouvelles frontières sans barrières financières exorbitantes.
L’impact des VLAs comme SmolVLA continue de croître, non seulement en termes de performance, mais aussi en renforçant l’idée que la collaboration ouverte offre des solutions robustes et accessibles.