LeRobot & SmolVLA (Hugging Face)

LeRobot es la biblioteca de código abierto de Hugging Face y su ecosistema asociado para el aprendizaje de robots: modelos, conjuntos de datos y hardware de referencia económico (p. ej., los brazos SO-100/SO-101). El objetivo es la democratización de la IA robótica, alejándose de los costosos laboratorios especializados.

SmolVLA

SmolVLA (junio de 2025) es un modelo Visión-Lenguaje-Acción compacto y totalmente de código abierto, con tan solo 450 millones de parámetros, capaz de ejecutarse en hardware de consumo (p. ej., una MacBook o una sola GPU). Se entrenó exclusivamente con conjuntos de datos abiertos de la comunidad (cientos de conjuntos de datos de LeRobot, ~10 millones de fotogramas) y utiliza inferencia asíncrona, que desacopla la percepción de la acción. Según Hugging Face, a pesar de su reducido tamaño supera con holgura a modelos mucho más grandes en los benchmarks habituales.

Así, SmolVLA representa un contramovimiento frente a los grandes Foundation Models propietarios: pequeño, abierto y reproducible. Para situarlo en contexto: panorama de los Foundation Models.