# MambaAct accelera i robot vision-language-action

> Il nuovo action expert MambaAct riduce i tempi di inferenza fino al 65%, migliorando leggermente i tassi di successo nei benchmark LIBERO.

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

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.

## I fatti

- MambaAct è 10× più piccolo del precedente action expert.
- La latenza diminuisce del 64.8% su LIBERO e del 58.8% nell’impiego nel mondo reale.

## Perché conta

I robotici possono eseguire i modelli VLA più rapidamente su hardware limitato, avvicinandosi alla manipolazione in tempo quasi reale.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-19