Samsara-VLA 發布公告

Samsara-VLA 是一種機器人策略，能夠在連續觀測之間保留上下文。它結合兩個相機視角和一條指令，執行抓取、放置、開啟及連續動作。上方影片展示了兩個已發布模型完成任務的完整成功回合。

兩種規模，同一策略介面。

擁有 217M 參數的 Samsara-VLA 完成了 2,000 個原生 LIBERO 回合中的 1,890 個。Samsara-VLA Tiny 使用 136M 參數，在相同評測協定下完成了 1,786 個。

差異在較長任務中最為明顯：完整模型成功率為 89.8%，Tiny 為 76.0%。兩者在物體選擇上均表現出色，分別為 99.4% 和 98.2%。Tiny 的參數量減少了 37.2%。

動作之間的上下文

每次決策都會結合當前場景的新觀測與先前觀測的精簡記憶。策略預測十二個控制動作，執行後再次觀測。開始新任務時，記憶會重設。

可在本機執行的策略

兩個模型共用支援 CPU 與 CUDA 執行的 Python SDK，並提供 ONNX 匯出用於瀏覽器推論。瀏覽器預覽在模型載入後，透過 WebGPU 或 WebAssembly CPU 在你的裝置上執行。

這些是實驗性模擬策略。原生結果涵蓋四十個訓練任務範本，使用一個評測隨機種子；瀏覽器示範另行進行。模型與預覽透過研究存取申請提供。請閱讀完整模型卡了解方法與限制，或查看研究頁面的各套件結果及與已發表模型的比較。