# LTM da a los robots una memoria compacta de sus acciones

> Investigadores presentan un método para que los robots con visión, lenguaje y acción recuerden interacciones como transiciones compactas. Según sus resultados, mejora el desempeño en tareas de memoria.

Oossa · 2026-10-16 · https://oossa.com/es/ltm-gives-robots-a-compact-memory-of-past-actions

Investigadores presentan Latent Transition Memory (LTM), un método que ayuda a los robots a recordar interacciones que ya no están a la vista. En lugar de guardar observaciones completas, registra transiciones compactas entre observaciones consecutivas y las utiliza junto con el modelo de visión, lenguaje y acción π₀.₅.

En las pruebas reportadas, LTM-π alcanzó una tasa de éxito del 80.5% en LIBERO-Mem y del 58.54% en RoboMME, por encima de los métodos de referencia que no usaban modelos externos de razonamiento ni anotaciones específicas para la memoria. El artículo también informa que el éxito en una tarea de conteo con un robot real pasó del 11.25% al 82.50%; el resumen no detalla qué robot se usó ni cómo se realizó la prueba.

## Los hechos

- El método almacena transiciones entre observaciones consecutivas y usa almacenamiento en caché causal de KV para la inferencia incremental.
- El artículo informa una tasa de éxito del 84.00% con un presupuesto de memoria de 200 tokens, frente al 87.50% sin compresión.

## Por qué importa

Para quienes investigan en robótica, LTM ofrece un método probado para condensar el historial de interacciones en un presupuesto de memoria reducido, aunque el resumen por sí solo no permite establecer hasta qué punto funciona con otros robots o tareas.

## Fuentes y referencias

1. [LTM: Latent Transition Based In-Context Memory for Vision-Language-Action Models](https://arxiv.org/abs/2610.21362) – arXiv cs.RO, 2026-10-16

Última actualización: 2026-10-16