RoboTTT 相关 AI 资讯

7月18日

00:40

官方账号Jim Fan@jimfan

83°

Jim Fan团队推出RoboTTT，将机器人模型上下文长度从不到0.1秒扩展到5分钟（8000步），且推理成本恒定。与现有方法相比，性能提升3个数量级。RoboTTT基于Test-Time Training（TTT），在模型内部携带一个小型核心，每帧触发梯度更新，将历史压缩到权重中。8K上下文预训练比1K性能高出62%，且无饱和迹象。该方法支持从人类视频进行一次性上下文学习，并能在部署后持续自我改进，机器人可实时从错误中恢复。

事件专题

推荐理由：Jim Fan团队用RoboTTT让机器人记住5分钟的动作，上下文拉到8000步，性能飙升62%，还能从视频里学新活。

原文

7月17日

11:32

官方账号arXiv cs.AI@Yunfan Jiang, Yevgen Chebotar, Ruijie Zheng, Fengyuan Hu, Yunhao Ge, Jimmy Wu, Tianyuan Dai, Scott Reed, Li Fei-Fei, Yuke Zhu, Linxi "Jim" Fan

精选73°

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。

AI模型 RoboTTT 测试时训练机器人策略

事件专题

推荐理由：NVIDIA发布了RoboTTT，能把机器人策略的上下文窗口做到8000步，看懂人类演示后直接模仿，长任务完成率比单步模型高87%。想了解机器人怎么学更长历史可以看这个。

原文

7月16日

05:46

官方账号Fei-Fei Li@drfeifei

精选

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。

AI模型 RoboTTT Stanford SVL NVIDIA

事件专题

推荐理由：斯坦福和英伟达搞了个新方法RoboTTT，能让机器人记住5分钟内的动作历史，一次看人演示就能模仿，还能自己纠错。上下文越长效果越好，8K比1K强62%。

原文

7月15日

23:52

Jim Fan@DrJimFan

76°

研究团队推出RoboTTT模型，通过测试时训练（TTT）机制，将机器人策略的上下文窗口从不足0.1秒扩展到8000时间步（约5分钟），推理成本保持恒定。该模型在上下文长度上比现有SOTA提升了3个数量级。实验显示，从128到8000时间步，闭环性能持续提升，8K预训练比1K提升62%。RoboTTT支持从人类视频进行一次性上下文学习，并能在执行过程中自我纠正错误。

AI模型 RoboTTT 机器人模型上下文学习

事件专题

推荐理由：机器人模型终于能记住5分钟内的动作了！RoboTTT用TTT方法让机器人从人类视频一次学会新任务，还能边干边自我纠错，性能随上下文增长持续提升。

原文