laroi0124/SmolVLA_100k_test

SmolVLA LIBERO 100k parent model

个人复现的 100,000-step 父模型，不是定向微调子模型，也不是官方发布的 LIBERO teacher。

代码与实验记录：https://github.com/2021147571/smolvla-libero-100k-reproduction

训练来源

• VLM 初始化：HuggingFaceTB/SmolVLM2-500M-Video-Instruct。
• 冻结 VLM，训练动作专家及 state projection；没有从 LIBERO teacher 权重继续训练。
• 数据：HuggingFaceVLA/libero，revision 86958911c0f959db2bbbdb107eb3e17c5f9c798e。
• 100,000 steps，batch 64，seed 1000，AdamW，BF16 mixed precision。
• 学习率 1e-4，warmup 1,000，cosine decay 30,000，最低 2.5e-6。详见 train_config.json。

输入和推理

两路图像 observation.images.image / observation.images.image2，8维 state，7维 action。 保留原始模型与归一化处理器，不要用新数据集统计量替换它们。 Action chunk size=50，flow matching num_steps=10。导出配置 n_action_steps=50；复现下面的1步成绩必须显式覆盖为1。 必须配套使用仓库中的 preprocessor/postprocessor 文件，不能仅加载网络权重。

本项目成绩（不是官方论文成绩）

执行几步后重新观察	Spatial	Object	Goal	Long	总计
1	87/100	83/100	82/100	53/100	305/400；Short-300 252/300
10	84/100	95/100	89/100	未测	Short-300 268/300
50（早期）	69/100	75/100	71/100	未测	Short-300 215/300

每任务10个初始状态（0–9），seed1000，batch1，AMPfalse，flow积分10步。评测环境包含LeRobot0.6.1、MuJoCo3.8.1；与论文环境不保证一致。结果及审计见GitHub。

限制

模型只在仿真中评测，不保证真实机械臂安全。不能声称达到300/300或完全复现论文。尚未独立证明训练/测试状态无重叠；测试状态已被查看，未来确认实验应另设保留集。 上游模型、数据和代码的许可证分别适用；本上传不额外授予第三方资产的权利。