RoboTTT：机器人策略的上下文扩展

本文提出 RoboTTT，一种将视觉运动上下文扩展至 8000 时间步的机器人基础模型训练方案。该方法在不增加推理延迟的前提下，通过将历史压缩至快速权重空间，实现了单次视频模仿、在线策略改进及长程任务鲁棒性。实验表明，随着预训练上下文长度增加，闭环性能稳步提升。在真实机器人操作任务中，RoboTTT 相比单步基线性能提升 87%，并成功完成十分阶段装配任务，确立了上下文长度作为机器人模型新的扩展维度。