arXiv · 机器人与计算机视觉· Khuyen Pham, Tran Nguyen Le, Edoardo Fazzari, Cesare Stefanini·· 2026-10-19AI 评分73
MambaAct:用于流匹配视觉语言动作模型的紧凑 Mamba 动作专家
MambaAct: Efficient Mamba Action Experts for Flow-Matching Vision-Language-Action Models
AI 导读
针对流匹配类视觉语言动作模型(如π0.5)推理成本高的问题,该研究提出用紧凑的 Mamba 动作专家替换原有的 Transformer 结构。通过引入轻量级上下文压缩器处理视觉语言条件信号,该方法在 LIBERO 基准测试中将去噪延迟降低 64.8%,真实部署中降低 58.8%,并在三个独立微调种子下将平均成功率提升 1.08 个百分点。代码与模型权重已公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org