I ricercatori hanno presentato MambaAct, un action expert più piccolo per i modelli vision-language-action (VLA) basati sul flow matching. Il modello conserva l’encoder visivo-linguistico del precedente π₀.₅, ma sostituisce la componente action basata su transformer con un modulo Mamba compatto. La modifica riduce di dieci volte le dimensioni dell’action expert e taglia la latenza di denoising del 64.8% nel benchmark di simulazione LIBERO e del 58.8% nei test nel mondo reale. Allo stesso tempo, la percentuale media di successo su LIBERO aumenta di circa 1 punto percentuale. Il codice e i pesi del modello sono disponibili pubblicamente.
Perché conta
I robotici possono eseguire i modelli VLA più rapidamente su hardware limitato, avvicinandosi alla manipolazione in tempo quasi reale.
