Pesquisadores apresentaram o MambaAct, um especialista de ação menor para modelos de visão, linguagem e ação (VLA) com correspondência de fluxo. Ele mantém o codificador visual e de linguagem do modelo anterior π₀.₅, mas substitui o componente de ação baseado em transformer por um módulo Mamba compacto. A mudança reduz em dez vezes o tamanho do especialista de ação e diminui a latência de desruído em 64.8% no benchmark de simulação LIBERO e em 58.8% nos testes no mundo real. Ao mesmo tempo, a taxa média de sucesso no LIBERO melhora cerca de 1 ponto percentual. O código e os pesos do modelo foram disponibilizados publicamente.
Por que importa
Pesquisadores de robótica podem executar modelos VLA mais rapidamente em hardware limitado, viabilizando manipulações quase em tempo real.
