最近的机器人基础模型在单步或短历史的视觉运动环境中运行。我们引入了测试时间训练机器人策略（ RoboTTT ） ，这是一种机器人模型和训练配方，可将视觉运动上下文扩展到8K时间步长，比最先进的策略高出三个数量级，而不会增加推理延迟。在这种背景下，我们解锁了新的机器人功能：一次性

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.15275v1)获取最准确的信息。

---
🔗 **原文链接**: [RoboTTT: Context Scaling for Robot Policies](https://arxiv.org/abs/2607.15275v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Yunfan Jiang, Yevgen Chebotar, Ruijie Zheng, Fengyuan Hu, Yunhao Ge, Jimmy Wu, Tianyuan Dai, Scott Reed, Li Fei-Fei, Yuke Zhu, Linxi "Jim" Fan

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-17 14:01