El proyecto de código abierto mlx-smolvla proporciona un entorno de ejecución Python para ejecutar checkpoints de SmolVLA utilizando MLX en Apple Silicon, con inferencia, un servidor del protocolo LeRobot y una vista previa para entrenamiento LoRA. Las pruebas en un Apple M5 Pro muestran que la ruta MLX alcanza una latencia mediana de 110,75 ms para bloques de 50 acciones, lo que es 1,85 veces más rápido que PyTorch-MPS.

  • El entorno de ejecución es nativo de MLX sin dependencias de Torch o Transformers.
  • Carriles estrictos de compatibilidad de CPU aseguran una comparación determinista con PyTorch, mientras que Metal utiliza verificaciones estadísticas.
  • El proyecto incluye un servidor de políticas que implementa el protocolo gRPC de inferencia asíncrona de LeRobot.
  • El entrenamiento LoRA es actualmente una vista previa de investigación con validación de paridad limitada.

El autor señala que los checkpoints base sin procesar carecen de interfaces efectivas de acción física y requieren checkpoints revisados con estadísticas de robot coincidentes para clientes de movimiento.