RoboTTT: 로봇 정책을 위한 컨텍스트 스케일링

요약

RoboTTT는 로봇 정책 모델의 컨텍스트 길이를 8K 타임스텝까지 확장하는 새로운 방법론입니다. 이는 추론 지연 시간 증가 없이 시각-운동 컨텍스트를 대폭 늘려, 원샷 모방, 실시간 정책 개선 등 장기 작업에서 성능을 크게 향상시킵니다. 이 기술은 Test-Time Training을 통합하여 로봇 모델의 능력을 끌어올리며, 컨텍스트 길이가 중요한 스케일링 축임을 입증했습니다.

핵심 포인트

• 컨텍스트 길이 확장: 시각-운동 컨텍스트를 8K 타임스텝까지 확장합니다.
• 성능 향상: 단일 단계 대비 전체 성능을 87% 향상시키고, 장기 작업을 완벽히 수행합니다.
• 핵심 기술: Test-Time Training을 통합하여 로봇 모델의 능력을 강화합니다.
• 새로운 스케일링 축: 컨텍스트 길이가 로봇 기반 모델의 핵심 성능 결정 요인임을 보여줍니다.