AnolisVLA：深度状态空间模型的轻量级VLA论文发布

Yusuke Takagi 等发布AnolisVLA论文，提出一种使用深度状态空间模型处理视觉和文本多模态序列的轻量级视觉-语言-动作模型，用于语言引导的机器人移动操作。 基于论文摘要，该模型在模拟环境和两个真实机器人平台上评估。作者声称，与参数规模相近的SmolVLA相比，AnolisVLA任务成功率更高、推理更快、GPU内存占用相当；在移动操作任务中，其任务成功率比30亿参数的π0.5模型高21个百分点，推理速度约快3倍。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。