CoTinyVLA: Modello robotico con meno di un miliardo di parametri raggiunge il 90,8% su LIBERO-Plus

I ricercatori hanno sviluppato CoTinyVLA, un modello Visione-Linguaggio-Azione con 0,9 miliardi di parametri che raggiunge un'accuratezza del 90,8% sul benchmark di robustezza LIBERO-Plus. Il modello utilizza un backbone Qwen3.5-0.8B e impiega la distillazione della catena di pensiero da un modello insegnante da 35 miliardi di parametri. Elabora input temporali a doppia vista con 16 fotogrammi storici per passo e utilizza span CoT gerarchici per pianificazione e ragionamento. L'aumento tramite parafrasi espande 40 comandi base in 800 varianti. LIBERO-Plus include 10.030 compiti perturbati su sette dimensioni di perturbazione. Il lavoro affronta i vincoli di memoria nella robotica embedded strutturando la supervisione piuttosto che ingrandendo il modello.