过去，受限于极短的上下文窗口，机器人很快就会遗忘刚刚发生的一切。那么，机器人能不能像当前的大语言模型（LLM）一样，记住并利用更长的上下文？
针对这一问题，英伟达高级研究科学家 Jim Fan 与斯坦福大学教授、“AI教母”李飞飞团队及其合作者，推出了机器人模型与训练方案RoboTTT（Test-Time-Training Robot Policies），将视觉运动上下文扩展到8K时间步，相当于5分钟的“肌肉记忆”，比现有 SOTA 策略高出 3 个数量级，且不增加推理延迟。
论文链接：https://arxiv.org/abs/2607.15275
这意味着，RoboTTT 可以将一整段视频作为上下文输入，并根据人类视频进行一次性模仿。它还拥有实时“自我改进”的能力，能将修正信息纳入上下文，并在执行中不断调整动作，从而在多阶段长程任务上取得更好的表现。
研究团队表示，上下文长度将成为机器人基础模型的新 scaling 方向：使用 8K 时间步上下文训练的 RoboTTT，比使用 1K 时间步预训练的同一模型取得了 +62％ 的性能提升。Jim Fan 甚至在 X 上发帖称：“很快，即使是 100 万上下文，也不再是幻想。”
面向机器人策略的长上下文建模
RoboTTT 将测试时训练（TTT）嵌入机器人基础模型，用快速权重作为模型的循环状态。每次接收传感器输入，模型都会执行一步梯度更新，把历史信息写入权重。这样做的好处是，由于隐藏状态大小固定，机器人可以在较低开销下保留更长历史信息，并在部署后继续学习。
图｜RoboTTT 的模型架构、训练和推理。
RoboTTT 主要包含三项设计，如下：
1.模型架构：RoboTTT 由视觉-语言模型（VLM）骨干和带有 TTT 层的 DiT 动作头组成。注意力层处理单个时间步内的信息，TTT 层加在注意力层之后，负责沿时间维度处理跨时间信息。为提高效率，模型不直接将所有视觉-语言 token 输入 TTT 中，而是使用少量 register token 在时间上传递视觉-语言信息。为保留预训练能力，TTT 输出经 Tanh Gating 后再加入注意力输出。
图｜带有 Tanh Gating 的计算流程。
2.序列训练：为扩展训练上下文的长度，RoboTTT 结合了序列动作强制和截断反向传播算法。训练时，序列动作强制为每个动作块独立采样噪声水平，以稳定 flow-matching 训练；TBPTT 将长序列切分为片段，只在片段内反传梯度，但让快速权重继续跨片段传递，这样既能让 TTT 贯穿整条序列，又能把显存开销控制在片段长度范围内。
图｜TBPTT。
3.长上下文约束：RoboTTT 会把部分时间步只作为上下文使用，这些时间步会写入快速权重，但不参与动作损失计算。基于这一机制，模型可以从两类上下文中学习：
- 视频模仿：人类视频作为上下文，只更新快速权重；动作损失在同任务机器人轨迹上计算。测试时，单个人类视频即可作为未见配置的条件。
- DAgger 蒸馏：完整 DAgger 轨迹都会更新快速权重，其中次优机器人动作提供失败上下文，人类纠正动作提供监督目标；损失只在人类纠正动作上计算，把失败后的纠正方式写入快速权重。
图｜DAgger 蒸馏。
上下文越长，性能越强
研究团队在三个长程双臂装配任务上评估了 RoboTTT。整体而言，RRoboTTT 能够利用自身更多的历史信息进行训练，除了上述更强的闭环性能之外，它仅需一段包含上下文信息的人类视频，即可进行一次性模仿、实时自我改进，以及对物理扰动鲁棒。
图｜评估任务。
1.在长程任务上持续优于基线
主评估显示，RoboTTT 的平均任务完成分数达到 79%，高于单步上下文基线 GR00T N1.7 和将 TTT 层替换为 Gated DeltaNet 的 GDN。
图｜主评估：三个装配任务上的任务完成分数。
此外，RoboTTT 也是完全成功次数最多的方法，尤其是在平均约 5 分钟、包含 10 个阶段的“齿轮机器人”（Gear Bot）任务上，RoboTTT 是唯一完整完成任务的方法。
图｜主评估：三个装配任务上的完全成功试验次数。
简单拼接过去观测并不能可靠提升表现。在 Pup Go Car（玩具车装配）任务上，加入一个历史帧的 GR00T N1.7 Hist 得分为 39.5%，低于只看当前观测的 GR00T N1.7（57%）。GDN 将历史压缩为循环状态，但没有在所有任务上带来提升。
RoboTTT 更善于跟踪任务进度、恢复错误和完成细粒度操作。在视觉相似的多阶段装配中，RoboTTT 能更好地区分当前阶段；电钻未对准螺丝时，它也会重新对齐并再次尝试；在插入、扣紧电路组件等细粒度操作中，动作也更精确。
2. 预训练上下文越长，闭环表现就越好
研究团队将预训练上下文从 128 扩展到 8K 时间步后评估发现，RoboTTT-8K 的平均任务完成分数达到 71.5%，比 1K 版本高 63%，比短上下文基线高 57%，且没有出现饱和迹象。相比而言，上下文变长后，GDN 却没有获得同样的性能提升。
研究团队认为，这一差异来自更新机制，RoboTTT 通过梯度下降更新快速权重，并学习快速权重的初始化和更新方式；GDN 则使用线性关联状态，不具备这种元学习机制。
图｜闭环性能随预训练上下文长度扩展而提升。
3.one-shot 模仿与扰动鲁棒
RoboTTT 能基于上下文中的人类视频完成 one-shot 模仿。在 Circuit（电路装配任务中），机器人只能通过上下文中的人类视频判断该装配哪种电路配置。结果显示，RoboTTT 在 10 次未见配置试验中成功 6 次，任务完成分数为65%；GDN 没有取得完全成功，任务完成分数为 33%。
图｜从上下文内人类视频进行一次性模仿。
长上下文约束也提升了扰动恢复能力。当人类在游戏过程中移除已安装的部件时，RoboTTT 会根据自身的部署情况返回并重新安装该部件。车顶被移除时，RoboTTT 的恢复率为 75%，高于 GDN 的 65% 和短上下文基线的 50%；轮胎被移除时，RoboTTT 与 GDN 的恢复率均达到 90%，也高于短上下文基线。
4.更强的即时恢复能力
RoboTTT 具备更强的即时恢复能力，并优于标准 DAgger。标准 DAgger 只在人类纠正动作上微调，平均提升9%；DAgger 蒸馏把完整轨迹作为上下文，包括次优机器人动作，但只在人类纠正动作上计算损失，平均提升 33%。通过 DAgger 蒸馏，RoboTTT 学习了一种隐式纠错算法，并能在线从自身的错误中恢复，无需人工干预。
图｜DAgger 蒸馏在 Pup Go Car 上的结果。
不足与未来方向
研究团队指出，尽管 RoboTTT 展示了上下文长度作为机器人基础模型新 scaling 轴的潜力，但仍存在一些不足。
首先，扩展训练上下文长度会增加训练成本。虽然 RoboTTT 在推理时保持成本恒定，但训练更长上下文仍需要更多开销。未来，研究人员应采用更高效的 TTT 训练技术（如 TNT）来降低这一成本。
其次，TTT 层的目标函数仍有探索空间。当前工作提出了一种将 TTT 整合进机器人基础模型的方法，但面向机器人的 TTT 层目标（类似视觉领域中的相关探索）将是一个有潜力的方向。
此外，RoboTTT 仍未覆盖部署中可能出现的全部失败模式。研究团队表示，RoboTTT 与强化学习结合，直接优化任务成功率，有望进一步提升实际执行表现。
更多技术细节，详见原论文。