# MambaAct ربات‌های بینایی‌ـ‌زبان‌ـ‌کنش را سریع‌تر می‌کند

> کارشناس جدید MambaAct زمان استنتاج را تا 65٪ کاهش می‌دهد و نرخ موفقیت را در آزمون‌های LIBERO اندکی بهبود می‌بخشد.

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

پژوهشگران MambaAct را معرفی کردند؛ یک کارشناس کنش کوچک‌تر برای مدل‌های بینایی‌ـ‌زبان‌ـ‌کنش (VLA) مبتنی بر تطبیق جریان. این مدل رمزگذار بینایی‌ـ‌زبانی مدل پیشین π₀.₅ را حفظ می‌کند، اما بخش کنش مبتنی بر ترنسفورمر آن را با ماژول جمع‌وجور Mamba جایگزین می‌کند. این تغییر اندازه کارشناس کنش را ۱۰ برابر کاهش می‌دهد و تأخیر نویززدایی را در معیار شبیه‌سازی LIBERO به میزان 64.8٪ و در آزمون‌های دنیای واقعی 58.8٪ کم می‌کند. در همین حال، میانگین نرخ موفقیت در LIBERO حدود ۱ واحد درصد افزایش می‌یابد. کد و وزن‌های مدل به‌صورت عمومی منتشر شده‌اند.

## حقایق

- MambaAct نسبت به کارشناس کنش قبلی ۱۰ برابر کوچک‌تر است.
- تأخیر در LIBERO به میزان 64.8٪ و در اجرای دنیای واقعی 58.8٪ کاهش می‌یابد.

## چرا مهم است

متخصصان رباتیک می‌توانند مدل‌های VLA را روی سخت‌افزار محدود سریع‌تر اجرا کنند و به دست‌کاری تقریباً بلادرنگ دست یابند.

## منابع و ارجاع‌ها

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

آخرین به‌روزرسانی: 2026-10-19