研究者らは、ロボット制御に使われる視覚・言語・行動（VLA）モデルの重みを圧縮する手法「SACQ」を発表した。この手法では、各層の圧縮がモデルの最終的な動作に与える影響などに応じて、精度を割り当てる。
GR00T N1.7を使ったテストでは、言語・行動に関わる重みを1.5ビットで表現し、モデルのメモリ使用量を4.83分の1に抑えながら、LIBEROの4つのスイートで平均93.85%の成功率を達成したとチームは報告している。これらはarXiv論文で報告された結果であり、提示された要旨だけでは第三者による検証の有無や、使用した実行環境は確認できない。
なぜ重要か
メモリに制約のある環境でロボット制御モデルを動かそうとするチームにとって、報告された圧縮効果は導入を容易にする可能性がある。ただし、要旨にはSACQを実行できるハードウェアの記載がなく、結果が独立に検証されたかどうかも確認できない。
