Presentamos Samsara-VLA

Samsara-VLA es una política robótica que conserva el contexto entre observaciones. Utiliza dos vistas de cámara y una instrucción para recoger, colocar, abrir y completar secuencias de acciones. Los vídeos de arriba muestran episodios completos y exitosos de los dos modelos publicados.

Dos tamaños. Una interfaz de política.

Samsara-VLA, con 217M parámetros, completó 1,890 de 2,000 episodios nativos de LIBERO. Samsara-VLA Tiny utiliza 136M parámetros y completó 1,786 con el mismo protocolo de evaluación.

La diferencia es más clara en tareas largas: 89.8% de éxito para el modelo completo y 76.0% para Tiny. Ambos mantienen buenos resultados en selección de objetos, con 99.4% y 98.2%. Tiny reduce los parámetros un 37.2%.

Contexto entre acciones

Cada decisión combina una vista actual de la escena con una memoria compacta de observaciones anteriores. La política predice doce acciones de control, las ejecuta y vuelve a observar. La memoria se reinicia al comenzar una nueva tarea.

Una política que se ejecuta localmente

Ambos modelos comparten un SDK de Python para CPU y CUDA, con exportaciones ONNX para inferencia en el navegador. Tras cargar el modelo, la vista previa se ejecuta en su dispositivo mediante WebGPU o WebAssembly CPU.

Son políticas experimentales de simulación. Los resultados nativos cubren cuarenta plantillas de tareas entrenadas con una semilla de evaluación; las demostraciones de navegador son independientes. Los modelos y la vista previa están disponibles mediante acceso para investigación. Consulte la ficha completa del modelo para conocer métodos y limitaciones, o la página de investigación para ver resultados por suite y comparaciones con modelos publicados.