🤯 Вышло интересное исследование про Vision-Language-Action (VLA) модели - это ИИ, который позволяет роботу видеть объект, понимать задачу и действовать (например, схватить предмет).

Обычно для этого нужны огромные модели и дорогие GPU.

Но тут сделали иначе 👇

Команда разработала модель, где почти все вычисления сведены к 3 значениям:
-1, 0 и 1

Да, буквально.

За счёт этого:
- модель сжали до ~1.4GB
- убрали сложную математику
- сделали её пригодной для дешёвого железа

👉 точность осталась на уровне больших моделей
👉 скорость выросла в 4 раза

То есть робот двигается так же точно, но быстрее и дешевле:

- больше не нужны дорогие серверы и GPU
- роботов можно запускать прямо на локальных чипах
- открывается путь к массовой роботизации (дешёвой)

Paper Link – arxiv.org/abs/2506.07530