RoboTTT représente une avancée significative dans l'apprentissage des politiques robotiques en incorporant l'entraînement en temps de test (TTT) dans les modèles vision-langage-action (VLA). Cette technique permet aux robots de construire une mémoire pendant l'inférence, étendant la fenêtre de contexte visuo-motrice à 8 000 pas de temps. Contrairement aux méthodes traditionnelles qui nécessitent un réentraînement extensif ou des modules de mémoire externes, RoboTTT s'adapte à la volée, ce qui le rend idéal pour les environnements dynamiques. L'approche a montré des résultats prometteurs dans des tâches à long terme comme la navigation et la manipulation, où le maintien du contexte sur des périodes prolongées est critique. Pour les développeurs et chercheurs, cela ouvre de nouvelles voies pour construire des systèmes robotiques plus autonomes et adaptatifs sans le fardeau du réentraînement à grande échelle.
RoboTTT intègre l'entraînement en temps de test dans les modèles VLA, permettant aux robots de maintenir un contexte sur 8K pas de temps pour améliorer les performances sur les tâches à long terme.