Forschende haben MambaAct vorgestellt, ein kleineres Aktionsmodul für Vision-Language-Action-Modelle (VLA) mit Flow Matching. Der visuell-sprachliche Encoder des früheren π₀.₅-Modells bleibt erhalten, sein transformerbasiertes Aktionsmodul wird jedoch durch ein kompaktes Mamba-Modul ersetzt. Dadurch ist das Aktionsmodul zehnmal kleiner, und die Latenz beim Entrauschen sinkt beim Simulationsbenchmark LIBERO um 64.8 % und bei Tests unter realen Bedingungen um 58.8 %. Gleichzeitig steigt die durchschnittliche Erfolgsrate bei LIBERO um etwa 1 Prozentpunkt. Der Code und die Modellgewichte sind öffentlich verfügbar.
Warum es wichtig ist
Robotik-Fachleute können VLA-Modelle auf begrenzter Hardware schneller ausführen und so Manipulationen nahezu in Echtzeit ermöglichen.
