Vi har precis slagit ihop stöd för Parameter Efficient Fine-Tuning (🤗PEFT) i LeRobot. Detta innebär att du nu kan använda metoder som lågrankade adaptrar (LoRA) för att träna dina förtränade policys som Pi0 och SmolVLA.

Detta har två fördelar: 1. För mindre försäkringar som SmoLVLA kan du använda högre batchstorlekar och inlärningshastigheter för att påskynda konvergensen. 2. För större policys, som Pi0, tillåter träning med PEFT att du använder mycket mindre VRAM under träningen.