Компанія Hugging Face, відома своїми відкритими моделями штучного інтелекту, презентувала зорово-мовно-дієву модель для керування роботами SmolVLA. Її особливість – висока продуктивність при мінімальних вимогах до обладнання. Модель настільки компактна, що може працювати навіть на звичайному MacBook. Це справжній прорив у сфері відкритої робототехніки. Тепер розробляти інтелектуальні рішення для роботів може практично кожен ентузіаст.
Що відомо про SmolVLA
Попри скромні 450 мільйонів параметрів, SmolVLA демонструє результати, що перевершують навіть більші моделі в робототехнічних симуляціях та реальних тестах. Вона навчена на спільно ліцензованих наборах даних із платформи LeRobot. Hugging Face доклала чимало зусиль у створення цієї відкритої екосистеми для досліджень у сфері роботів.
Ще одна особливість – асинхронний стек виводів. Він дозволяє моделі розділяти обробку вхідних даних (зору й звуку) та дій. Це підвищує реактивність роботів у змінних умовах.
SmolVLA уже доступна для завантаження на Hugging Face. Її можна протестувати не лише в цифровому середовищі, а й на доступних фізичних платформах. Наприклад, на робототехнійчній системі Pollen Robotics, стартапу, який Hugging Face нещодавно придбала.