arXiv · AI· Yusuke Takagi, Motonari Kambara, Daichi Yashima, Koki Seno, Kento Tokura, Komei Sugiura·· 2026-10-14AI 评分31
AnolisVLA:面向移动操作任务的轻量级视觉-语言-动作模型
AnolisVLA: Lightweight Vision-Language-Action Model with Deep State Space Models for Mobile Manipulation
AI 导读
研究团队提出轻量级视觉-语言-动作模型 AnolisVLA,利用深度状态空间模型高效处理多模态序列,适用于资源受限环境。 在移动端操作中,AnolisVLA 任务成功率比 30 亿参数模型 π0.5 高 21 个百分点,推理速度约为其 3 倍。 该模型在保持相近 GPU 内存占用的同时,实现了更高任务成功率和更快推理,提升了移动机器人操作的可行性。
来源:arXiv · AI · arxiv.org