Samsara-VLA 发布公告

Samsara-VLA 是一种机器人策略，能够在连续观测之间保留上下文。它结合两个相机视角和一条指令，执行抓取、放置、打开及连续动作。上方视频展示了两个已发布模型完成任务的完整成功回合。

两种规模，同一策略接口。

拥有 217M 参数的 Samsara-VLA 完成了 2,000 个原生 LIBERO 回合中的 1,890 个。Samsara-VLA Tiny 使用 136M 参数，在相同评测协议下完成了 1,786 个。

差异在较长任务中最为明显：完整模型成功率为 89.8%，Tiny 为 76.0%。两者在物体选择上均表现出色，分别为 99.4% 和 98.2%。Tiny 的参数量减少了 37.2%。

动作之间的上下文

每次决策都会结合当前场景的新观测与先前观测的紧凑记忆。策略预测十二个控制动作，执行后再次观测。开始新任务时，记忆会重置。

可在本地运行的策略

两个模型共用支持 CPU 和 CUDA 执行的 Python SDK，并提供 ONNX 导出用于浏览器推理。浏览器预览在模型加载后，通过 WebGPU 或 WebAssembly CPU 在你的设备上运行。

这些是实验性仿真策略。原生结果涵盖四十个训练任务模板，使用一个评测随机种子；浏览器演示单独进行。模型与预览通过研究访问申请提供。请阅读完整模型卡了解方法和局限，或查看研究页面中的各套件结果及与已发表模型的比较。