RoboTTT：将机器人策略视觉上下文扩展到8000时间步

RoboTTT将机器人模型的视觉运动上下文从单步或短历史扩展到8000个时间步，比最先进策略提升三个数量级且不增加推理延迟。它实现了从人类视频演示的一次性上下文模仿、在线策略改进、对扰动的鲁棒性以及在多阶段长程任务上更强的性能，并首次观察到预训练上下文长度与闭环性能的稳定提升。在真实机器人操作任务上，RoboTTT比单步上下文基线整体性能提升87%，可完全完成五分钟十阶段装配任务。使用8000时间步上下文训练的模型比1000时间步的相同模型性能高出62%，表明上下文长度是机器人基础模型的新缩放轴。