# MambaAct accélère les robots vision-langage-action

> Ce nouvel expert Mamba réduit le temps d’inférence jusqu’à 65 %, tout en améliorant légèrement le taux de réussite aux tests LIBERO.

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

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.

## Les faits

- MambaAct est 10 fois plus compact que l’ancien expert d’action.
- La latence diminue de 64,8 % sur LIBERO et de 58,8 % en déploiement réel.

## 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.

## Sources et références

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

Dernière mise à jour: 2026-10-19