RoboTTT让机器人长记忆学习
DrJimFan · x · 2026-07-15
提出 RoboTTT：把 test-time training 引入机器人策略，让模型在推理时对一个小的内核网络做梯度更新，从而把历史经验压缩进权重里。
核心结果包括：
- 将机器人上下文长度原生扩展到 8,000 timesteps，约等于 5 分钟的“肌肉记忆”，且推理成本保持恒定。
- 相比过去按几帧一处理、很快遗忘的策略，这种做法能让机器人持续学习，部署后也还能继续改进。
- 支持 one-shot in-context learning：在人类视频演示一次后，机器人就能模仿此前未见过的电路板装配配置。
- 在执行中出错后，机器人可以把“修正动作”纳入上下文，形成自我纠错能力。
作者还报告了一条新的 context scaling curve：从 128 到 8K timesteps，闭环性能持续提升、未见饱和；8K 上下文预训练比 1K 提升 62%。
所属事件:RoboTTT 把测试时训练带入机器人策略(6 条相关)→
「具身」频道最新
- 亚马逊谷歌卖出6亿台音箱,AGI 时代为何无人再造智能音箱 — julianlehr · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11