在机器人领域，MiniVLA模型凭借其显著的进步脱颖而出，为广泛使用的OpenVLA提供了更高效的替代方案

在机器人领域，MiniVLA模型凭借其显著的进步脱颖而出，为广泛使用的OpenVLA提供了更高效的替代方案。由斯坦福大学的Suneel Belkhale和Dorsa Sadigh撰写，该模型将参数数量从70亿减少到10亿，而不降低性能，在Libero-90基准测试中取得了令人印象深刻的82%的成功率。值得注意的是，MiniVLA融合了创新功能，如用于动作分块的矢量量化和多图像支持，包括手腕图像和图像历史。这些增强不仅提高了模型的性能，还提高了其速度，MiniVLA的运行速度比其前身快2.5倍。对于机器人领域的研究人员来说，MiniVLA代表着在创建更紧凑高效的视觉-语言-动作模型方面的一大飞跃。- MiniVLA是OpenVLA的轻量级版本，参数数量减少了7倍，但在Libero-90上的性能相当。 - MiniVLA使用Qwen 2.5 0.5B作为骨干网络，保留了OpenVLA的ViT进行视觉编码。 - MiniVLA在Libero-90上的任务成功率为61.4%，与OpenVLA相比没有显著差异。 - MiniVLA的推理速度比OpenVLA快2.5倍。 - 使用矢量量化的动作分块可以提高模型性能，在Libero-90上的任务成功率达到77%。 - 添加多图像支持和手腕图像可以进一步提高任务成功率，达到82%。 - MiniVLA是一个开源项目，可在GitHub上找到完整的代码和指令。