LEARNING
RoboTTT：机器人策略的上下文缩放
Yunfan Jiang, Yevgen Chebotar, Ruijie Zheng, Fengyuan Hu, Yunhao Ge, Jimmy Wu, Tianyuan Dai, Scott Reed, Li Fei-Fei, Yuke Zhu, Linxi "Jim" Fan
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出RoboTTT，一种通过测试时训练将视觉运动上下文扩展到8000时间步的机器人模型和训练方法，显著提升长时域任务性能。该方法首次证明预训练上下文长度与闭环性能呈正相关，并实现从人类视频演示的一次性上下文模仿等新能力。
关键词
test-time trainingcontext scalingrobot foundation modelsvisuomotor contextin-context imitation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018