研究人员推出了SACQ，这是一种用于压缩视觉-语言-动作（VLA）模型权重的方法。这类模型用于控制机器人。SACQ会根据压缩各层对模型最终动作的影响，部分决定各层采用的精度。
研究团队报告称，在GR00T N1.7的测试中，使用每个语言/动作权重1.5比特的精度，模型在四个LIBERO套件上的平均成功率达到93.85%，模型内存占用则缩小了4.83倍。这些结果来自研究团队发表于arXiv的论文；所提供的摘要未能证明结果经过独立验证，也未说明测试所用的部署硬件。
为什么重要
对于希望在内存受限平台上运行机器人控制模型的团队来说，据称实现的压缩效果或许能让部署更容易；但摘要没有说明哪些硬件能够运行SACQ，也未确认这些结果经过独立验证。
