# MambaAct maakt vision-language-actierobots sneller

> De nieuwe MambaAct-expert verkort de inferentietijd met maximaal 65% en verbetert de slagingspercentages op LIBERO-benchmarks licht.

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

Onderzoekers hebben MambaAct geïntroduceerd, een kleinere actie-expert voor vision-language-actionmodellen (VLA) op basis van flow matching. De visueel-talige encoder van het eerdere π₀.₅-model blijft behouden, maar het transformer-gebaseerde actiegedeelte is vervangen door een compacte Mamba-module. Daardoor is de actie-expert tien keer kleiner en daalt de latentie bij het denoisingproces met 64.8% op de LIBERO-simulatiebenchmark en met 58.8% in tests in de echte wereld. Tegelijkertijd stijgt het gemiddelde slagingspercentage op LIBERO met ongeveer 1 procentpunt. De code en modelgewichten zijn openbaar beschikbaar gesteld.

## De feiten

- MambaAct is 10× kleiner dan de vorige actie-expert.
- De latentie daalt met 64.8% op LIBERO en met 58.8% bij inzet in de echte wereld.

## Waarom het ertoe doet

Robotici kunnen VLA-modellen sneller laten draaien op hardware met beperkte capaciteit, zodat robots vrijwel in realtime voorwerpen kunnen manipuleren.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-19