Des chercheurs ont présenté MambaAct, un expert d’action plus compact destiné aux modèles vision-langage-action (VLA) à appariement de flux. Il conserve l’encodeur visuel et linguistique de l’ancien modèle π₀.₅, mais remplace son module d’action fondé sur un transformer par un module Mamba compact. Cette modification réduit la taille de l’expert d’action d’un facteur dix et diminue la latence du débruitage de 64,8 % dans le benchmark de simulation LIBERO et de 58,8 % lors de tests en conditions réelles. Dans le même temps, le taux de réussite moyen sur LIBERO progresse d’environ 1 point de pourcentage. Le code et les poids du modèle sont publiés et accessibles au public.
Pourquoi c'est important
Les spécialistes de la robotique peuvent exécuter des modèles VLA plus rapidement sur du matériel limité, ce qui permet des manipulations presque en temps réel.
