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

📝 요약

SmolVLA는 로보틱스를 위한 450M 파라미터의 오픈소스 비전-언어-액션(VLA) 모델로, 일반 소비자용 하드웨어에서 실행 가능하며 기존 VLA 모델보다 뛰어난 성능을 보입니다. 이 모델은 호환 가능한 라이선스의 커뮤니티 공유 데이터셋으로 사전 학습되었으며, 시뮬레이션 및 실제 작업에서 더 큰 모델들을 능가하는 결과를 보여줍니다. 또한, 30% 더 빠른 응답과 2배의 작업 처리량을 제공하는 비동기 추론 기능을 지원합니다.

---

🧭TL;DR

오늘 우리는 로보틱스를 위한 소형(450M), 오픈소스 비전-언어-액션 모델인 SmolVLA를 소개하며, 이는 일반 소비자용 하드웨어에서도 실행됩니다.

• lerobot 태그 아래 호환 가능한 라이선스의 오픈소스 커뮤니티 공유 데이터셋으로만 사전 학습되었습니다.
• SmolVLA-450M은 시뮬레이션(LIBERO, Meta-World) 및 실제 작업(SO100, SO101)에서 훨씬 더 큰 VLA 및 ACT와 같은 강력한 기준선보다 뛰어난 성능을 보입니다.
• 30% 더 빠른 응답과 2배의 작업 처리량을 위한 비동기 추론을 지원합니다.

유용한 링크:

• SO-100/101 학습 및 평가에 사용된 하드웨어: https://github.com/TheRobotStudio/SO-ARM100
• 기본 모델 https://huggingface.co/lerobot/smolvla_base
• 논문: https://huggingface.co/papers/2506.01844

📚 목차

• 🧭 TL;DR
• 📖 소개
• 🤖 SmolVLA 소개
• 🚀 SmolVLA 사용 방법
• 설치
• 사전 학습된 모델 파인튜닝
• 처음부터 학습
• 🧠 방법
• 주요 아키텍처
  • 비전-언어 모델 (VLM)
  • 액션 전문가: Flow Matching Transformer
• 효율성과 강건성을 위한 설계 선택
  • 시각 토큰 축소
  • 레이어 스킵핑을 통한 빠른 추론
  • 교차 및 자기 주의의 인터리빙
• 비동기 추론
• 📦 커뮤니티 데이터셋
• 작업 주석 개선
• 카메라 뷰 표준화
• 📊 결과
• ✅ 결론
• 📣 행동 촉구

소개

지난 몇 년 동안 트랜스포머는 인간과 유사한 추론이 가능한 언어 모델부터 이미지와 텍스트를 모두 이해하는 멀티모달 시스템에 이르기까지 AI 분야에서 놀라운 발전을 이끌었습니다. 그러나 실제 로보틱스 분야에서는 발전이 훨씬 더 느렸습니다. 로봇은 여전히 다양한 객체, 환경 및 작업 전반에 걸쳐 일반화하는 데 어려움을 겪고 있습니다. 이러한 제한된 발전은 고품질의 다양한 데이터 부족과 물리적 세계에서 인간처럼 추론하고 행동할 수 있는 모델의 부재에서 비롯됩니다.

이러한 문제에 대한 대응으로, 이 분야는 최근 비전-언어-액션(VLA) 모델에 주목하고 있으며, 이는 단일 아키텍처 내에서 인지, 언어 이해 및 행동 예측을 통합하는 것을 목표로 합니다. VLA는 일반적으로 원시 시각 관찰 및 자연어 지침을 입력으로 받고 해당 로봇 행동을 출력합니다. 유망하지만, VLA 분야의 최근 발전 대부분은 대규모 비공개 데이터셋에서 학습된 독점 모델 뒤에 갇혀 있으며, 종종 비용이 많이 드는 하드웨어 설정 및 광범위한 엔지니어링 리소스를 필요로 합니다. 결과적으로, 더 넓은 로보틱스 연구 커뮤니티는 이러한 모델을 복제하고 구축하는 데 상당한 장벽에 직면해 있습니다.

SmolVLA는 일반 소비자 등급 하드웨어에서 공개적으로 사용 가능한 데이터셋만을 사용하여 학습할 수 있는 오픈소스, 소형 및 효율적인 VLA 모델을 제공함으로써 이러한 격차를 해소합니다. 모델 가중치뿐만 아니라 매우 저렴한 오픈소스 하드웨어를 사용하여 SmolVLA는 비전-언어-액션 모델에 대한 접근성을 민주화하고 범용 로봇 에이전트를 향한 연구를 가속화하는 것을 목표로 합니다.

그림 1: 작업 변형 전반에 걸친 SmolVLA 비교. 왼쪽에서 오른쪽으로: (1) 비동기식 픽앤플레이스 큐브 카운팅, (2) 동기식 픽앤플레이스 큐브 카운팅, (3) 섭동 하에서의 픽앤플레이스 큐브 카운팅, (4) 실제 SO101에서 레고 블록 픽앤플레이스의 일반화.

SmolVLA 소개!

SmolVLA-450M은 오픈소스, 소형이지만 강력한 VLA 모델입니다.

• CPU에서 실행하고, 단일 소비자 GPU 또는 MacBook에서도 학습할 수 있을 만큼 작습니다!
• 공개, 커뮤니티 공유 로보틱스 데이터로 학습되었습니다.
• 완전한 학습 및 추론 레시피와 함께 출시되었습니다.
• 매우 저렴한 하드웨어(SO-100, SO-101, LeKiwi 등)에서 테스트 및 배포할 수 있습니다.

대규모 언어 모델(LLM)의 학습 패러다임에서 영감을 받은 SmolVLA는 일반 조작 데이터에 대한 사전 학습 단계를 거쳐 작업별 사후 학습을 수행합니다. 아키텍처적으로는 트랜스포머와 플로우 매칭 디코더를 결합하며, 다음과 같은 설계 선택을 통해 속도와 저지연 추론을 위해 최적화되었습니다.

• 빠른 추론 및 더 작은 크기를 위해 비전 모델의 절반 레이어를 건너뜁니다.
• 자기 주의 및 교차 주의 블록을 인터리빙합니다.
• 더 적은 시각 토큰을 사용합니다.
• 더 작은 사전 학습된 VLM을 활용합니다.

다른 VLA보다 한 자릿수 적은 30k 학습 에피소드만 사용함에도 불구하고, SmolVLA는 시뮬레이션과 실제 환경 모두에서 훨씬 더 큰 모델과 비교했을 때 성능을 동등하거나 초과합니다.

실시간 로보틱스를 더 쉽게 사용하기 위해 비동기 추론 스택을 도입합니다. 이 기술은 로봇이 행동을 수행하는 방식과 보고 듣는 것을 이해하는 방식을 분리합니다. 이 분리 덕분에 로봇은 빠르게 변화하는 환경에서 더 빠르게 응답할 수 있습니다.

그림 2. SmolVLA는 여러 카메라의 RGB 이미지 시퀀스, 로봇의 현재 센서모터 상태, 자연어 지침을 입력으로 받습니다. VLM은 이를 컨텍스트 특징으로 인코딩하여 액션 전문가에게 조건부로 작용하여 연속적인 행동 시퀀스를 생성합니다.

🚀 SmolVLA 사용 방법?

SmolVLA는 자체 데이터에 대한 파인튜닝이든 기존 로보틱스 스택에 통합하든 사용 및 통합이 용이하도록 설계되었습니다.

설치

먼저 필요한 종속성을 설치합니다.

git clone https://github.com/huggingface/lerobot.git
cd lerobot
pip install -e ".[smolvla]"

사전 학습된 모델 파인튜닝

lerobot 학습 프레임워크와 함께 사전 학습된 450M 모델인 smolvla_base를 사용하세요.

python lerobot/scripts/train.py \
  --policy.path=lerobot/smolvla_base \
  --dataset.repo_id=lerobot/svla_so100_stacking \
  --batch_size=64 \
  --steps=20000  # 학습 예산의 10%

처음부터 학습

사전 학습된 체크포인트가 아닌 아키텍처(사전 학습된 VLM + 액션 전문가)부터 시작하여 구축하고 싶다면 다음과 같이 하세요.

python lerobot/scripts/train.py \
  --policy.type=smolvla \
  --dataset.repo_id=lerobot/svla_so100_stacking \
  --batch_size=64 \
  --steps=200000

SmolVLAPolicy를 직접 로드할 수도 있습니다.

from lerobot.common.policies.smolvla.modeling_smolvla import SmolVLAPolicy
policy = SmolVLAPolicy.from_pretrained("lerobot/smolvla_base")

방법

SmolVLA는 가볍고 유능한 모델일 뿐만 아니라 범용 로보틱스 정책을 학습하고 평가하는 방법이기도 합니다. 이 섹션에서는 SmolVLA 뒤에 있는 모델 아키텍처와 평가에 사용된 비동기 추론 설정을 소개하며, 이는 더 적응성이 높고 빠른 복구 능력을 갖춘 것으로 입증되었습니다.

SmolVLA는 멀티모달 입력을 처리하는 비전-언어 모델(VLM)과 로봇 제어 명령을 출력하는 액션 전문가의 두 가지 핵심 구성 요소로 이루어집니다. 아래에서 SmolVLA 아키텍처의 주요 구성 요소 및 비동기 추론에 대한 세부 정보를 공유합니다. 자세한 내용은 기술 보고서에서 확인할 수 있습니다.

주요 아키텍처

비전-언어 모델 (VLM)

VLM 백본으로 SmolVLM2를 사용합니다. 이는 다중 이미지 입력에 최적화되어 있으며 SigLIP 비전 인코더와 SmolLM2 언어 디코더로 구성됩니다.

• 이미지 토큰은 비전 인코더를 통해 추출됩니다.
• 언어 지침은 토큰화되어 디코더에 직접 전달됩니다.
• 센서모터 상태는 언어 모델의 토큰 차원에 맞추기 위해 선형 레이어를 사용하여 단일 토큰으로 투영됩니다.

디코더 레이어는 이미지, 언어 및 상태 토큰의 연결을 처리합니다. 결과 특징은 액션 전문가에게 전달됩니다.

액션 전문가: Flow Matching Transformer

SmolVLA의 액션 전문가는 VLM의 출력을 조건으로 하는 액션 청크, 즉 미래 로봇 행동 시퀀스를 생성하는 소형 트랜스포머(~100M 파라미터)입니다. 이는 모델이 노이즈 샘플을 실제 값으로 되돌리도록 안내하는 플로우 매칭 목표를 사용하여 학습됩니다. 반면, 이산적인 행동 표현(예: 토큰화를 통한)은 강력하지만 추론 시 느리고 비효율적인 자기 회귀 디코딩을 자주 필요로 합니다. 플로우 매칭은 연속적인 행동의 직접적이고 비자기 회귀적인 예측을 허용하여 높은 정밀도로 실시간 제어를 가능하게 합니다.

더 직관적으로, 학습 중에는 로봇의 실제 행동 시퀀스에 무작위 노이즈를 추가하고 모델에게 올바른 궤적으로 되돌리는 "보정 벡터"를 예측하도록 요청합니다. 이는 행동 공간에 걸쳐 부드러운 벡터 필드를 형성하여 모델이 정확하고 안정적인 제어 정책을 학습하도록 돕습니다.

이를 위해 교차 주의 블록을 인터리빙하는 트랜스포머 아키텍처를 사용하며(그림 2 참조), VLM의 75%로 은닉 크기를 줄여 배포를 위한 모델을 가볍게 유지합니다.

효율성과 강건성을 위한 설계 선택

비전-언어 모델과 행동 예측 모듈을 결합하는 것은 최근 VLA 시스템(예: Pi0, GR00T, Diffusion Policy)에서 일반적인 설계 패턴이지만, 강건성과 성능을 크게 향상시키는 몇 가지 아키텍처 선택을 확인했습니다. SmolVLA에서는 세 가지 주요 기술을 적용합니다: 시각 토큰 수 감소, VLM의 상위 레이어 건너뛰기, 그리고 액션 전문가에서 교차 및 자기 주의 레이어 인터리빙.

시각 토큰 축소

고해상도 이미지는 인식을 개선하지만 추론 속도를 크게 늦출 수 있습니다. 균형을 맞추기 위해 SmolVLA는 학습 및 추론 중 프레임당 시각 토큰 수를 64개로 제한합니다. 예를 들어, 512×512 이미지는 1024개 대신 PixelShuffle을 효율적인 셔플링 기술로 사용하여 단 64개의 토큰으로 압축됩니다. 기반 비전-언어 모델(VLM)은 원래 더 넓은 커버리지를 위해 이미지 타일링을 사용하여 사전 학습되었지만, SmolVLA는 추론을 가볍고 빠르게 유지하기 위해 런타임에 전역 이미지만 사용합니다.

레이어 스킵핑을 통한 빠른 추론

VLM의 최종 레이어에 항상 의존하는 것(비용이 많이 들고 때로는 최적이 아닌 경우) 대신 중간 레이어의 특징을 사용합니다. 이전 연구에서는 초기 레이어가 다운스트림 작업에 더 나은 표현을 제공하는 경우가 많다는 것을 보여주었습니다. SmolVLA에서는 액션 전문가가 학습 중 구성 가능한 레이어 NN까지의 VLM 특징에만 주의를 기울이며, 이는 전체 레이어의 절반으로 설정됩니다. 이는 VLM과 액션 전문가 모두의 컴퓨팅 비용을 절반으로 줄여 성능 손실을 최소화하면서 추론 속도를 크게 향상시킵니다.

교차 및 자기 주의의 인터리빙

액션 전문가 내부에서 주의 레이어는 다음과 같이 번갈아 나타납니다.

• 교차 주의(CA): 액션 토큰이 VLM의 특징에 주의를 기울입니다.
• 자기 주의(SA): 액션 토큰이 서로에게 주의를 기울입니다(인과적으로 - 과거에만).

이러한 인터리빙 설계는 전체 주의 블록을 사용하는 것보다 가볍고 더 효과적임을 발견했습니다. CA만 사용하거나 SA만 사용하는 모델은 부드러움이나 기반을 희생하는 경향이 있습니다.

SmolVLA에서 CA는 행동이 인식 및 지침에 잘 조건부로 작용하도록 보장하는 반면, SA는 시간적 부드러움을 개선합니다. 이는 불안정하거나 불안정한 동작으로 이어질 수 있는 덜컹거리는 예측이 발생할 수 있는 실제 제어에 특히 중요합니다.

비동기 추론

그림 3. 비동기 추론. 비동기 추론 스택에 대한 설명. 정책은 GPU가 있는 원격 서버에서 실행될 수 있습니다.

현대의 시각운동 정책은 액션 청크를 출력합니다. 즉, 실행할 행동 시퀀스입니다. 이를 관리하는 두 가지 방법이 있습니다.

• 동기식(sync): 로봇이 청크를 실행한 다음, 다음 청크가 계산될 때까지 일시 중지합니다. 간단하지만 로봇이 새로운 입력에 반응할 수 없는 지연을 유발합니다.
• 비동기식(async): 현재 청크를 실행하는 동안 로봇은 이미 최신 관찰을 정책 서버(GPU에서 호스팅될 수 있음)로 보내 다음 청크를 준비합니다. 이는 유휴 시간을 방지하고 반응성을 향상시킵니다.

당사의 비동기 스택은 행동 실행과 청크 예측을 분리하여 더 높은 적응성과 런타임 시 실행 지연이 전혀 없도록 합니다. 이는 다음의 핵심 메커니즘에 의존합니다.

• 1. 조기 트리거: 큐 길이가 임계값(예: 70%) 미만으로 떨어지면 관찰을 정책 서버로 보내 새로운 액션 청크를 요청합니다.
• 2. 분리된 스레드: 제어 루프는 계속 실행되고 추론은 병렬로(논블로킹) 수행됩니다.
• 3. 청크 융합: 과도한 덜컹거림을 방지하기 위해 간단한 병합 규칙으로 연속적인 청크의 겹치는 동작을 결합합니다.

모델을 변경하지 않고도 더 높은 적응성과 향상된 성능을 보장하기 때문에 비동기 추론을 출시하게 되어 매우 기쁩니다. 요컨대, 비동기 추론은 실행과 원격 예측을 겹쳐 로봇을 반응성 있게 유지합니다.

커뮤니티 데이터셋

비전 및 언어 모델은 LAION, ImageNet, Common Crawl과 같은 웹 규모 데이터셋에서 번성하지만, 로보틱스는 이에 필적할 만한 리소스가 부족합니다. "로봇의 인터넷"은 없습니다. 대신, 데이터는 로봇 유형, 센서, 제어 방식 및 형식에 걸쳐 파편화되어 연결되지 않은 "데이터 섬"을 형성합니다. 이전 게시물(https://huggingface.co/blog/lerobot-datasets)에서 이러한 파편화가 개방적이고 협력적인 노력을 통해 어떻게 해결될 수 있는지 살펴보았습니다. ImageNet이 대규모의 다양한 벤치마크를 제공함으로써 컴퓨터 비전의 돌파구를 촉진한 것처럼, 커뮤니티 기반 로보틱스 데이터셋이 범용 로봇 정책에 동일한 기반 역할을 할 수 있다고 믿습니다.

SmolVLA는 그 비전에 대한 첫 번째 단계입니다: 실제 세계의 변화를 반영하도록 설계된 공개적으로 사용 가능한, 커뮤니티 기여 데이터셋의 큐레이션된 혼합물로 사전 학습되었습니다. 데이터셋 크기만 최적화하는 대신 다양성에 중점을 둡니다. 다양한 동작, 카메라 시점 및 구현을 통해 전이 및 일반화를 촉진합니다.

SmolVLA에 사용된 모든 학습 데이터는 Hugging Face Hub에 lerobot 태그로 공유된 로보틱스 데이터셋인 LeRobot Community Datasets 에서 제공됩니다. 실험실부터 거실까지 다양한 환경에서 수집된 이러한 데이터셋은 실제 로봇 데이터를 확장하기 위한 개방적이고 분산된 노력을 나타냅니다.

그림 4. 커뮤니티 데이터셋 엿보기. 시각화 생성에 기여한 Ville Kuosmanen에게 특별히 감사드립니다. 학술 벤치마크와 달리 커뮤니티 데이터셋은 자연스럽게 지저분하고 현실적인 상호 작용을 포착합니다. 다양한 조명, 최적이 아닌 시연, 비전통적인 객체 및 이질적인 제어 체계. 이러한 다양성은 강력하고 범용적인 표현을 학습하는 데 매우 유용할 것입니다.

Alexandre Chapin과 Ville Kuosmanen이 만든 사용자 정의필터링 도구를 사용하여 프레임 수, 시각적 품질 및 작업 커버리지를 기반으로 데이터셋을 선택했습니다. 세심한 수동 검토(Marina Barannikov에게 특별히 감사드립니다) 후, 30 FPS로 표준화된 SO100 로봇 팔에 초점을 맞춘 487개의 고품질 데이터셋 컬렉션을 큐레이션했습니다. 이는 약 1천만 프레임을 생성했습니다. 이는 다른 인기 있는 벤치마크 데이터셋보다 적어도 한 자릿수 작지만 훨씬 더 다양합니다.

작업 주석 개선

커뮤니티 데이터셋 전반의 일반적인 문제는 노이즈가 많거나 누락된 작업 설명이었습니다. 많은 에피소드에는 주석이 없거나 "task desc" 또는 "Move", "Pick"과 같이 모호한 레이블이 포함되었습니다. 품질을 개선하고 데이터셋 간의 텍스트 입력을 표준화하기 위해 Qwen2.5-VL-3B-Instruct를 사용하여 간결하고 행동 지향적인 설명을 생성했습니다.

샘플 프레임과 원래 레이블을 사용하여 모델은 30자 이내로 지침을 다시 작성하도록 프롬프트되었으며, 행동 동사(예: "Pick", "Place", "Open")로 시작했습니다.

사용된 프롬프트는 다음과 같습니다.

다음은 현재 작업 설명입니다: {current_task}. 로봇 팔이 수행하는 동작을 설명하는 매우 짧고 명확하며 완전한 단일 문장을 생성하세요(최대 30자). 불필요한 단어를 포함하지 마세요.
간결하게 작성하세요.
다음과 같은 예시를 참고하세요: 상자를 집어서 상자에 넣으세요, 서랍을 여세요 등.
제공된 예시와 유사하게, 로봇 팔이 수행하는 주요 동작은 무엇입니까?

카메라 뷰 표준화

또 다른 과제는 일관되지 않은 카메라 이름이었습니다. 일부 데이터셋은 top 또는 wrist.right와 같이 명확한 이름을 사용한 반면, 다른 데이터셋은 images.laptop과 같이 의미가 다양한 모호한 레이블을 사용했습니다. 이를 해결하기 위해 데이터셋을 수동으로 검토하고 각 카메라 뷰를 표준화된 체계에 매핑했습니다. OBS_IMAGE_1: 위에서 내려다보는 뷰 OBS_IMAGE_2: 손목 장착 뷰 OBS_IMAGE_3+: 추가 뷰포인트

또한 커뮤니티 데이터셋 사전 학습과 다중 작업 파인튜닝의 기여도를 분리합니다. LeRobot 커뮤니티 데이터셋으로 사전 학습 없이는 SmolVLA가 처음에 SO100에서 51.7%의 성공률을 달성합니다. 커뮤니티 수집 데이터로 사전 학습한 후 성능은 78.3%로 급증하여 +26.6% 절대 향상됩니다. 다중 작업 파인튜닝은 낮은 데이터 환경에서도 강력한 작업 전이 능력을 보여주면서 성능을 더욱 향상시킵니다.

표 1. 커뮤니티 데이터셋에서의 사전 학습 및 다중 작업 파인튜닝의 영향.

결과

SmolVLA를 시뮬레이션 및 실제 벤치마크 전반에 걸쳐 평가하여 일반화, 효율성 및 강건성을 테스트합니다. 소형임에도 불구하고, 훨씬 더 큰 독점 모델 및 더 높은 규모의 로보틱스 데이터로 사전 학습된 정책보다 일관되게 뛰어난 성능을 보이거나 동등한 성능을 발휘합니다.

표 2. 시뮬레이션 벤치마크에서의 SmolVLA 성능.

표 3. 실제 작업(SO100)에서의 SmolVLA 대 기준선.

실제 환경에서는 SmolVLA가 SO100 및 SO101의 두 가지 다양한 제품군에서 평가됩니다. 이러한 작업에는 픽앤플레이스, 스태킹 및 정렬이 포함되며, 분포 내 및 분포 외 객체 구성이 모두 포함됩니다. SO101에서 SmolVLA는 일반화에서도 뛰어납니다.

표 4. 새로운 구현(SO101) 대 ACT에 대한 SmolVLA의 일반화.

마지막으로, 동기 및 비동기 추론 모드에서 SmolVLA를 평가합니다. 비동기 추론은 행동 실행과 모델 추론을 분리하여 로봇이 움직이는 동안 정책이 반응할 수 있도록 합니다.

• 두 모드 모두 유사한 작업 성공률(약 78%)을 달성하지만, 비동기 추론은:
• 작업을 약 30% 더 빠르게 완료합니다(9.7초 대 13.75초).
• 고정 시간 설정에서 2배 더 많은 완료를 가능하게 합니다(19개 큐브 대 9개 큐브).

이를 통해 특히 객체가 이동하는 동적 환경이나 외부 방해 요인이 있는 환경에서 더 반응적이고 강건한 실제 성능을 얻을 수 있습니다.

그림 5. 실제 작업에서의 비동기 대 동기 추론. (a) 작업 성공률(%), (b) 평균 완료 시간(초), (c) 고정 시간 창 내에서 완료된 작업 수.

결론

SmolVLA는 개방적이고 효율적이며 재현 가능한 로보틱스 기반 모델 구축에 기여하는 바입니다. 작은 크기에도 불구하고, 다양한 실제 및 시뮬레이션 작업에서 더 크고 독점적인 모델과 동등하거나 더 나은 성능을 발휘합니다. 커뮤니티 기여 데이터셋과 저렴한 하드웨어에만 의존함으로써 SmolVLA는 연구원, 교육자 및 취미 활동가를 위한 진입 장벽을 낮춥니다. 하지만 이것은 시작일 뿐입니다. SmolVLA는 확장 가능하고 협력적인 로보틱스를 향한 성장하는 오픈소스 운동의 일부일 뿐입니다.

행동 촉구:

• 🔧 시도해보세요! 자신의 데이터로 SmolVLA를 파인튜닝하고, 저렴한 하드웨어에 배포하거나, 현재 스택과 비교하여 벤치마킹하고 트위터/링크드인에 공유하세요.
• 🤖 데이터셋을 업로드하세요! 로봇이 있나요? lerobot 형식으로 데이터를 수집하고 공유하세요. SmolVLA의 동력이 되는 커뮤니티 데이터셋을 확장하는 데 도움을 주세요.
• 💬 블로그 토론에 참여하세요. 아래 토론에 질문, 아이디어 또는 피드백을 남겨주세요. 통합, 학습 또는 배포에 기꺼이 도와드리겠습니다.
• 📊 기여하세요. 데이터셋을 개선하고, 문제를 보고하고, 새로운 아이디어를 제안하세요. 모든 기여는 도움이 됩니다.
• 🌍 널리 알려주세요. 효율적인 실시간 로봇 정책에 관심 있는 동료 연구원, 개발자 또는 교육자와 SmolVLA를 공유하세요.
• 📫 연락을 유지하세요: 업데이트, 튜토리얼 및 새로운 릴리스를 위해 LeRobot 조직 및 Discord 서버를 팔로우하세요.

함께, 우리는 실제 로보틱스를 더 유능하고, 더 저렴하며, 더 개방적으로 만들 수 있습니다. ✨

---

원문 출처: https://huggingface.co/blog/smolvla