RoboTTT：机器人学习测试时训练，扩展上下文至8000时间步

Stanford SVL与NVIDIA Robotics联合提出RoboTTT，基于测试时训练（TTT）方法，将机器人模型原生扩展到8000时间步的上下文（约5分钟肌肉记忆），推理成本恒定。相比以往机器人策略仅能处理数帧（<0.1秒），该方法将上下文长度提升3个数量级。在电路板组装任务中，RoboTTT通过一次人类视频演示即可实现零样本模仿学习。实验显示，8K上下文预训练性能比1K高出62%，且从128到8K时间步的闭合环路性能持续提升无饱和迹象。