提出RoboTTT,将测试时训练(TTT)集成到机器人基础模型中,将视觉运动上下文扩展到8K时间步,实现单次人类视频模仿、即时策略改进、鲁棒性提升,在长时任务上比单步基线提升87%,并完整完成5分钟10阶段组装任务。
机构:NVIDIA
来源:arXiv 2607.15275 | AI4Papers 论文推荐平台