当前的机器人基础模型通常仅能处理单步或短历史的视觉-运动控制上下文。我们提出了“测试时训练机器人策略”(RoboTTT),这是一种新型机器人模型及其配套训练方法,可将视觉-运动控制上下文长度扩展至8000个时间步,较现有最先进策略提升了三个数量级,且不增加推理延迟。在如此长的上下文长度下,我们解锁了多项全新的机器人能力:仅需一段人类视频演示即可实现单次示例驱动的上下文内模仿学习;支持策略在运行过程中即时优化;对环境扰动具备更强鲁棒性;在多阶段、长时程任务中展现出更优性能。此外,我们首次观察到:随着预训练阶段所用上下文长度的增加,闭环控制性能呈现出持续稳定的提升趋势。RoboTTT的核心创新在于,将“测试时训练”(Test-Time Training)机制融入视觉-语言-动作(Vision-Language-Action)等机器人基础模型之中,构建出一种序列化模型——其循环状态由“快速权重”(fast weights)构成,即模型参数在训练与推理两个阶段均通过梯度下降动态更新,从而将历史信息高效压缩至权重空间,并据此检索上下文信息,实现长上下文条件建模。为实现训练上下文长度的规模化扩展,该训练方案融合了“序列动作强制”(sequence action forcing)与“截断式随时间反向传播”(truncated backpropagation through time)技术。在一系列具挑战性的真实机器人操作任务中,RoboTTT相较单步上下文基线模型的整体性能提升了87%,并首次成功完整执行了一项持续五分钟、包含十个阶段的装配任务——而所有基线模型均未能完成该任务。进一步对比表明,采用8000时间步上下文训练的RoboTTT,其性能比采用1000时间步上下文预训练的同一模型高出62%,这充分说明上下文长度可作为机器人基础模型的一项全新扩展维度。相关演示视频请访问:https://research.nvidia.com/labs/gear/robottt/

