# MambaAct beschleunigt Vision-Language-Action-Roboter

> Das neue MambaAct-Aktionsmodul verkürzt die Inferenzzeit um bis zu 65 % und verbessert die Erfolgsraten bei LIBERO-Benchmarks leicht.

Oossa · 2026-10-19 · https://oossa.com/de/mambaact-speeds-up-vision-language-action-robots

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.

## Die Fakten

- MambaAct ist zehnmal kleiner als das vorherige Aktionsmodul.
- Die Latenz sinkt bei LIBERO um 64.8 % und beim Einsatz unter realen Bedingungen um 58.8 %.

## Warum es wichtig ist

Robotik-Fachleute können VLA-Modelle auf begrenzter Hardware schneller ausführen und so Manipulationen nahezu in Echtzeit ermöglichen.

## Quellen und Referenzen

1. [MambaAct: Efficient Mamba Action Experts for Flow-Matching Vision-Language-Action Models](https://arxiv.org/abs/2610.22951) – arXiv cs.RO, 2026-10-19

Zuletzt aktualisiert: 2026-10-19