6.3 SmolVLA 训练

6.3 SmolVLA 训练

⚠️ 训练需要 NVIDIA GPU，无法在树莓派或 Jetson Nano 上运行。

SmolVLA 是轻量级视觉-语言-动作模型，在 ACT 基础上增加语言理解能力，需从 HuggingFace 下载预训练权重。

显存-batch_size 对应

显存	建议 batch_size
24 GB	64
12 GB	32~40
8 GB	28 以内

中国大陆用户

必须设置 HuggingFace 镜像，否则下载模型权重会失败。

SmolVLA 训练

linux: pip install -e ".[smolvla]"
export HF_ENDPOINT=https://hf-mirror.com   # 中国大陆用户

lerobot-train \
    --dataset.repo_id=${HF_USER}/lekiwi_test \
    --policy.push_to_hub=false \
    --policy.type=smolvla \
    --policy.device=cuda \
    --output_dir=outputs/train/smolvla_lekiwi_test \
    --job_name=smolvla_lekiwi_test \
    --batch_size=64 \
    --steps=20000 \
    --wandb.enable=false
macos: pip install -e ".[smolvla]"
export HF_ENDPOINT=https://hf-mirror.com   # 中国大陆用户

lerobot-train \
    --dataset.repo_id=${HF_USER}/lekiwi_test \
    --policy.push_to_hub=false \
    --policy.type=smolvla \
    --policy.device=cuda \
    --output_dir=outputs/train/smolvla_lekiwi_test \
    --job_name=smolvla_lekiwi_test \
    --batch_size=64 \
    --steps=20000 \
    --wandb.enable=false
windows: pip install -e ".[smolvla]"
$env:HF_ENDPOINT="https://hf-mirror.com"   # 中国大陆用户

lerobot-train `
    --dataset.repo_id=${HF_USER}/lekiwi_test `
    --policy.push_to_hub=false `
    --policy.type=smolvla `
    --policy.device=cuda `
    --output_dir=outputs/train/smolvla_lekiwi_test `
    --job_name=smolvla_lekiwi_test `
    --batch_size=64 `
    --steps=20000 `
    --wandb.enable=false