SmolVLA保姆级教程：num2words缺失修复+模型路径校验全流程
1. 项目介绍
SmolVLA 是一个专为经济型机器人设计的视觉-语言-动作(VLA)模型，它将视觉感知、语言理解和动作生成集成在一个紧凑的框架中。这个轻量级解决方案特别适合资源有限的机器人应用场景。
核心特点：
- 仅需500M参数即可实现多模态理解与动作生成
- 支持通过自然语言指令控制机器人动作
- 提供直观的Web界面进行交互式演示
- 可在消费级GPU(如RTX 4090)上流畅运行
2. 环境准备与问题诊断
2.1 常见安装问题排查
在启动SmolVLA时，用户最常遇到两个问题：
- num2words缺失错误：表现为
ModuleNotFoundError: No module named 'num2words' - 模型路径配置错误：导致模型无法加载，出现权重文件找不到的报错
2.2 依赖检查步骤
首先检查基础环境是否完整：
# 检查Python环境 python --version # 需要Python 3.8+ # 检查关键依赖 pip list | grep -E "torch|gradio|num2words"如果发现num2words缺失，这是导致Web界面无法启动的常见原因。
3. num2words缺失修复方案
3.1 快速安装方法
最简单的修复方式是直接安装num2words：
pip install num2words如果遇到网络问题，可以使用国内镜像源：
pip install num2words -i https://pypi.tuna.tsinghua.edu.cn/simple3.2 验证安装
安装完成后，可以通过Python交互环境验证：
import num2words print(num2words.num2words(42)) # 应该输出"forty-two"3.3 依赖冲突处理
如果安装后仍然报错，可能是虚拟环境问题：
# 创建干净的虚拟环境 python -m venv smolvla_env source smolvla_env/bin/activate # Linux/Mac # 或 smolvla_env\Scripts\activate # Windows # 重新安装所有依赖 pip install -r requirements.txt4. 模型路径配置指南
4.1 默认路径检查
SmolVLA默认从以下路径加载模型：
/root/ai-models/lerobot/smolvla_base验证路径是否存在：
ls -l /root/ai-models/lerobot/smolvla_base4.2 自定义路径设置
如果模型存放在其他位置，可以通过环境变量指定：
export SMOLVLA_MODEL_PATH=/your/custom/path或者在Python代码中直接指定：
from smolvla import load_model model = load_model(model_path="/your/custom/path")4.3 模型下载指引
如果模型缺失，可以从Hugging Face下载：
git lfs install git clone https://huggingface.co/lerobot/smolvla_base /root/ai-models/lerobot/smolvla_base5. 完整启动流程
5.1 标准启动步骤
确保所有问题修复后，按照标准流程启动：
# 激活环境（如使用虚拟环境） source smolvla_env/bin/activate # 设置环境变量 export HF_HOME=/root/.cache export HUGGINGFACE_HUB_CACHE=/root/ai-models # 启动服务 cd /root/smolvla_base python app.py5.2 启动参数说明
可以调整以下启动参数：
python app.py \ --port 7860 \ # 服务端口 --share \ # 生成公共链接 --model-path /custom/path # 自定义模型路径6. 常见问题解决方案
6.1 CUDA相关问题
如果遇到CUDA错误，尝试：
# 检查CUDA可用性 python -c "import torch; print(torch.cuda.is_available())" # 如果返回False，可能需要重新安装PyTorch pip install torch --upgrade --force-reinstall6.2 内存不足处理
对于显存不足的情况：
# 降低批量大小 export SMOLVLA_BATCH_SIZE=1 # 使用CPU模式（性能下降） export SMOLVLA_FORCE_CPU=16.3 其他依赖问题
如果遇到xformers警告，可以安全忽略，或明确禁用：
export XFORMERS_FORCE_DISABLE_TRITON=17. 使用验证与测试
7.1 基础功能测试
启动后，在浏览器访问http://localhost:7860，尝试：
- 上传测试图像
- 设置关节状态
- 输入简单指令如"Pick up the cube"
- 检查生成的动作是否合理
7.2 预设示例验证
点击界面中的预设示例按钮，验证：
- 抓取放置任务
- 伸展动作
- 归位指令
- 堆叠操作
8. 总结与下一步
通过本教程，您应该已经解决了num2words缺失和模型路径配置问题，并成功启动了SmolVLA服务。为了进一步探索：
- 尝试结合真实机器人硬件进行集成
- 测试更复杂的多步骤指令
- 考虑在Docker容器中部署以获得更好的环境隔离
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
