Apresentamos Samsara-VLA

Samsara-VLA é uma política robótica que preserva o contexto entre observações. Usa duas vistas de câmera e uma instrução para pegar, colocar, abrir e completar sequências de ações. Os vídeos acima mostram episódios completos e bem-sucedidos dos dois modelos publicados.

Dois tamanhos. Uma interface de política.

O Samsara-VLA, com 217M parâmetros, concluiu 1,890 de 2,000 episódios nativos do LIBERO. O Samsara-VLA Tiny usa 136M parâmetros e concluiu 1,786 sob o mesmo protocolo de avaliação.

A diferença é mais clara nas tarefas longas: 89.8% de sucesso no modelo completo e 76.0% no Tiny. A seleção de objetos continua forte nos dois, com 99.4% e 98.2%. O Tiny reduz os parâmetros em 37.2%.

Contexto entre ações

Cada decisão combina uma nova vista da cena com uma memória compacta das observações anteriores. A política prevê doze ações de controle, executa-as e observa novamente. A memória é reiniciada ao começar uma nova tarefa.

Uma política para rodar localmente

Os dois modelos compartilham um SDK Python para CPU e CUDA, com exportações ONNX para inferência no navegador. Após carregar o modelo, a prévia roda no seu dispositivo com WebGPU ou WebAssembly CPU.

São políticas experimentais de simulação. Os resultados nativos cobrem quarenta modelos de tarefas de treinamento com uma semente de avaliação; as demonstrações no navegador são separadas. Os modelos e a prévia estão disponíveis mediante acesso para pesquisa. Consulte o cartão completo do modelo para métodos e limitações, ou a página de pesquisa para resultados por conjunto e comparações com modelos publicados.