Forskare har presenterat MambaAct, en mindre handlingsmodul för VLA-modeller (vision-language-action) som använder flödesmatchning. Modellen behåller syn- och språkencodern från den tidigare modellen π₀.₅, men ersätter den transformerbaserade handlingsdelen med en kompakt Mamba-modul. Ändringen gör handlingsmodulen tio gånger mindre och minskar fördröjningen vid brusreducering med 64.8% i simuleringsriktmärket LIBERO och 58.8% i tester i verkliga miljöer. Samtidigt ökar den genomsnittliga framgångsgraden på LIBERO med cirka 1 procentenhet. Koden och modellvikterna har släppts offentligt.
Varför det spelar roll
Robotutvecklare kan köra VLA-modeller snabbare på begränsad hårdvara, vilket möjliggör manipulation i nära realtid.
