6.1 模型选择
6.1 模型选择
⚠️ 重要提示：模型训练需要 NVIDIA GPU，无法在树莓派或 Jetson Nano 上运行。
全部可用策略
| 策略 | 类型 | 说明 | 推荐场景 |
|---|---|---|---|
act |
模仿学习 | Action Chunking Transformers | 新手首选，训练稳定 |
diffusion |
扩散策略 | Diffusion Policy，去噪生成动作 | 复杂动作序列，高精度 |
vqbet |
行为 Transformer | VQ-BeT，离散化动作 token | 多模态行为 |
smolvla |
VLA | 轻量级视觉-语言-动作模型 | 语言指令引导的任务 |
pi0 |
VLA | π0，23 亿参数流匹配模型 | 多任务泛化 |
硬件要求速查
| 模型 | 最低显存 | 推荐显存 | 训练时长 (10 组) |
|---|---|---|---|
| ACT | 6 GB | 8 GB+ | 1-2 小时 |
| Diffusion | 8 GB | 12 GB+ | 2-4 小时 |
| SmolVLA | 8 GB | 12 GB+ | 2-4 小时 |
| Pi0 | 16 GB | 24 GB+ | 4-8 小时 |
新手推荐路径：ACT → SmolVLA → Pi0。