**MambaAct：用 Mamba 专家加速流匹配 VLA 模型，推理延迟降低 64.8% 并提升成功率** _MambaAct: Efficient Ma

**MambaAct：用 Mamba 专家加速流匹配 VLA 模型，推理延迟降低 64.8% 并提升成功率**

_MambaAct: Efficient Mamba Action Experts for Flow-Matching Vision-Language-Action Models_

> 针对流匹配视觉 - 语言 - 动作（VLA）模型推理成本高的问题，论文提出了 MambaAct。该模型保留了预训练的视觉 - 语言前缀编码器，将传统的 Transformer 动作专家替换为紧凑的 Mamba 动作专家，并通过轻量级上下文压缩器实现高效的条件调制。实验表明，MambaAct 在保持性能的同时，将 LIBERO 基准的延迟降低了 64.8%，并在真实世界部署中降低了 58.8%，同时显著提升了任务成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22951)

MambaAct：用 Mamba 专家加速流匹配 VLA 模型，推理延迟降低 64.8% 并提升成功率 _MambaAct: Efficient Ma

原帖