Un equipo de investigadores presentó MambaAct, un experto de acción más pequeño para modelos de visión, lenguaje y acción (VLA) basados en correspondencia de flujo. Conserva el codificador visual y lingüístico del modelo anterior π₀.₅, pero sustituye su componente de acción basado en un transformador por un módulo Mamba compacto. El cambio reduce diez veces el tamaño del experto de acción y disminuye la latencia de desruido un 64.8% en la prueba de simulación LIBERO y un 58.8% en pruebas en el mundo real. Al mismo tiempo, la tasa media de éxito en LIBERO mejora alrededor de 1 punto porcentual. El código y los pesos del modelo se han publicado para acceso público.
Por qué importa
Los especialistas en robótica pueden ejecutar modelos VLA más rápido en hardware limitado, lo que permite manipular objetos casi en tiempo real.
