物理AI实验室 // 第 2.3 集 // 小测
让它听懂一句话
微调 SmolVLA：从语言指令到动作
01
同一份 SO-101 数据，为什么 ACT 听不懂“放到左边”，SmolVLA 却能试着做？
ACT 参数太少，装不下语言
SmolVLA 训练步数更多，把所有说法都见过了
ACT 没有视觉网络，看不到目标在哪
SmolVLA 把指令也当输入，基座还懂图文
02
开始微调，一启动就报显存不足。片中建议先怎么办？
改成从零训练，省掉基座占的显存
调小批量大小，慢一点也能跑
把训练步数从 2 万步减到 2000 步
关掉相机输入，只用关节状态训练
03
微调后，说“把杯子放进盒子”它做得很好；换一种它从没听过的古怪说法，它就乱动。最合理的解释？
没开异步推理，模型来不及算
基座被微调破坏了，得从零重训
说法偏离了它学过的指令
批量太小，模型没学会语言
04
关于 SmolVLA 的异步推理，哪句符合片中说法？
边执行边算下一段，但要多搭一个服务
它把模型压小了，所以推理更快、更省显存
有了它，微调就不再需要示范数据
它只在微调时有用，部署时要关掉
05
团队实验里，SO-100 成功率到了 78.3%。这个结果主要说明什么？
先用社区数据预训练打底，再微调，成功率高得多
SmolVLA 在任何机器人上都有约八成成功率
微调满两万步，成功率就能稳定在七成八
异步推理把成功率提高了约三成
看答案