研究arXiv cs.RO2026年8月25日 12:00

Mamba选择性状态空间建模改进SmolVLA的精度-复杂度权衡

原标题：Mamba-based Selective State Space Modeling Improves the Accuracy-Complexity Tradeoff of SmolVLA Vision-Language-Action Experts

推荐理由

Mamba架构优化VLA模型计算复杂度，实现在保证成功率的同时提升策略调用频率，对机器人实时控制与高频决策有重要参考价值。

ROBOAIRADAR BRIEF

结构化情报

2 MIN READ

该论文针对视觉-语言-动作（VLA）模型在任务成功率与推理计算开销之间的权衡，提出基于Mamba的选择性状态空间建模方法，改进SmolVLA模型，在降低计算复杂度的同时保持控制精度，有助于实时机器人控制。

Mamba架构优化VLA模型计算复杂度，实现在保证成功率的同时提升策略调用频率，对机器人实时控制与高频决策有重要参考价值。

RoboAIRadar 对公开信源进行聚合、中文整理和价值判断，不替代原始报道。涉及产品参数、交易金额或公司声明时，请以原文为准。