/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
smolvla_libero
Библиотека
vla.cpp
Опубликована
31 мая 2026

smolvla-libero-gguf

Языковая модельИзображение, текст → action3 профессии

Квантованная в GGUF SmolVLA для управления роботом по изображению и текстовой инструкции в задачах LIBERO через vla.cpp.

184скачиваний за 30 дней2лайкавеса обновлены6 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SmolVLA-LIBERO-GGUF — конвертированная в формат GGUF модель vrfai для инференса через vla.cpp, лёгкий движок на базе llama.cpp для моделей Vision-Language-Action. В основе архитектура SmolVLA-450M: визуальный модуль SigLIP, языковая часть SmolLM2 и эксперт действий на основе flow matching; базовая модель — HuggingFaceVLA/smolvla_libero.

Модель предназначена для управления роботом по визуальным наблюдениям и текстовым инструкциям в задачах LIBERO. В README приведён результат 90,5% успешных эпизодов на наборе libero_object из 10 задач и 200 эпизодов для RTX 3060 и Jetson AGX Orin; на Jetson Orin Nano указано 88%. Это результаты описанного бенчмарка, а не гарантия качества в других средах.

Для запуска требуется собрать vla-server из проекта vla.cpp; README рекомендует CUDA-сборку для инференса. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает дополнительные ограничения по применению.

Сценарии применения

  • управление роботом по визуальным наблюдениям и текстовым командам
  • выполнение задач LIBERO в симуляторе
  • инференс Vision-Language-Action на GPU NVIDIA
  • запуск VLA-модели на Jetson Orin

Ограничения

Результаты бенчмарка получены в симуляционных задачах LIBERO и не подтверждают качество на других задачах или реальных роботах. Для инференса требуется vla.cpp; в README рекомендуется CUDA-сборка.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SmolVLA - LIBERO (GGUF for vla.cpp)

GGUF conversion of HuggingFaceVLA/smolvla_libero for inference with vla.cpp, a lightweight C++ inference engine for Vision-Language-Action models built on top of llama.cpp.

SmolVLA-450M is the golden reference architecture in vla.cpp - a SigLIP vision tower + SmolLM2 language backbone + flow-matching action expert. Every other arch in the engine is validated against the SmolVLA recipe.

Usage

Build vla-server from the vla.cpp repo, then:

# Terminal 1 - serve (use the CUDA build for inference)
./build-cuda/vla-server --bind tcp://*:5566 \
    smolvla-libero.gguf

# Terminal 2 - drive a LIBERO episode (inside the LIBERO uv venv)
python eval/client/run_sim_client_direct.py \
    --arch smolvla \
    --task libero_object --task-id 0 --n-episodes 10 \
    --vla-addr tcp://localhost:5566

smolvla uses --n-action-steps 1 (the client default).

Benchmark

Full libero_object sweep (10 tasks × 20 episodes = 200 episodes), vla-server + run_sim_client_direct.py:

Hardwaren_actSuccess rateclient/stepclient/callPeak mem
RTX 3060 (sm_86)490.5%28.16 ms113 ms1410 MiB VRAM
Jetson AGX Orin (sm_87)490.5%65.41 ms262 ms689 MiB RAM
Jetson Orin Nano 8 GB (sm_87)488.0%141.81 ms567 ms2031 MiB RAM

License

Weights follow the upstream license of HuggingFaceVLA/smolvla_libero (Apache-2.0). The vla.cpp conversion tooling and inference engine are MIT-licensed.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · vla.cpp

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
349851c

0 моделей