本文讨论了MoE-Mamba和Vision Mamba等多种Mamba模型的进展。MoE-Mamba旨在提高状态空间模型的效率，而Vision Mamba则在视觉任务中应用双向状态空间建模，展示了在图像分类等任务中的潜力。VMamba通过多方向扫描，显著提升了视觉识别效果。

本研究提出了VMGNet模型，旨在解决深度学习机器人抓取技术的高计算复杂度问题。该模型通过引入视觉状态空间，实现线性计算复杂度，并通过多尺度特征融合提升准确性。实验结果表明，抓取成功率达到94.4%。

基于轻量级模型开发的先前努力主要集中在 CNN 和 Transformer 基础设计上，但仍面临持久挑战。本研究受到 Mamba 等状态空间模型在语言建模和计算机视觉等多个任务中卓越表现和竞争力的启发，探索了视觉状态空间模型在轻量级模型设计中的潜力，并提出了一种新的高效模型变体...

我们提出了一个通用的神经网络架构，该架构由任务无关的组件组成，实现了在 ImageNav 和 ObjectNav 任务上的最新成果，无需任务特定的模块。模型基于自监督学习和视觉变压器的预训练模型构建，在ViT修补表示上操作压缩层以保留空间信息，并改进策略训练。这些改进使我们首次在视觉导航任务中展现了正向编放律。