研究人员开发了 RoboTTT，这是一种新颖的训练方法和机器人模型，可将视觉运动上下文窗口显著扩展到 8000 个时间步长。这一进步使机器人能够从人类演示中进行一次性模仿，实时改进策略，并更有效地处理长时任务。在实际操作测试中，RoboTTT 的性能比单步上下文基线提高了 87%，并成功完成了一项复杂的多阶段装配任务。 AI
影响 增强了机器人在模仿学习和长时任务中的能力，有可能加速开发更具适应性的机器人系统。
排序理由 该集群描述了一篇在 arXiv 上发表的研究论文，其中详细介绍了一种用于机器人技术的新方法和模型。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.15275v1 Announce Type: cross Abstract: Recent robot foundation models operate with single-step or short-history visuomotor context. We introduce Test-Time-Training Robot Policies (RoboTTT), a robot model and training recipe that scale visuomotor context to 8K timesteps…
Recent robot foundation models operate with single-step or short-history visuomotor context. We introduce Test-Time-Training Robot Policies (RoboTTT), a robot model and training recipe that scale visuomotor context to 8K timesteps, three orders of magnitude beyond state-of-the-ar…
Recent robot foundation models operate with single-step or short-history visuomotor context. We introduce Test-Time-Training Robot Policies (RoboTTT), a robot model and training recipe that scale visuomotor context to 8K timesteps, three orders of magnitude beyond state-of-the-ar…