# MambaAct snabbar upp robotar med syn, språk och handling

> Den nya expertmodulen MambaAct minskar inferenstiden med upp till 65 procent och förbättrar samtidigt framgångsgraden något på LIBERO-riktmärkena.

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

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.

## Fakta

- MambaAct är 10× mindre än den tidigare handlingsmodulen.
- Fördröjningen minskar med 64.8% på LIBERO och 58.8% vid användning i verkliga miljöer.

## Varför det spelar roll

Robotutvecklare kan köra VLA-modeller snabbare på begränsad hårdvara, vilket möjliggör manipulation i nära realtid.

## Källor och referenser

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

Senast uppdaterad: 2026-10-19