跳到正文
arXiv · 机器人与计算机视觉· Haoxuan Wang, Gengyu Zhang, Ramana Rao Kompella, Gaowen Liu, Yan Yan·· 2026-10-06AI 评分69

TTT-RM:作为机器人策略的残差记忆的测试时训练

Test-Time Training as Residual Memory for Robot Policies

AI 导读

针对长周期机器人操作中全量历史存储成本过高的问题,本文提出 TTT-RM 方法,将测试时训练(TTT)重构为残差记忆机制。该方法通过快速权重学习当前观测无法解释的历史信息残差,以此作为优化目标更新慢权重,从而在有限内存库之外补充关键历史信息。实验表明,该策略在仿真基准和真实世界任务中均优于多种基线,并支持持续执行长达三分钟的八阶段储物任务。

来源:arXiv · 机器人与计算机视觉 · arxiv.org