پژوهشگرانی به سرپرستی کای دینگ، WAM-Cache را منتشر کردند؛ چارچوبی که نمایش‌های کلید-مقدارِ یک ترنسفورمر انتشار ویدئو را در بخش‌های کنترلی مختلف دوباره به کار می‌گیرد. این سامانه به‌جای محاسبه مجدد کل رمزگذار بصری در هر گام، فقط مجموعه‌ای پراکنده از توکن‌ها را تازه‌سازی می‌کند که بر پایه توجهِ متخصص کنش و معیاری برای سنجش تازگی بصری انتخاب شده‌اند؛ آن هم با محدودیت سخت‌گیرانه برای عمر توکن‌ها. در بنچمارک Fast-WAM، این روش تعداد عملیات ممیز شناور رمزگذار ویدئو را در RoboTwin 2.0، LIBERO و آزمایش‌های دنیای واقعی ۳۲ تا ۴۲٪ کاهش می‌دهد؛ در حالی که دقت آن در شبیه‌سازی فقط ۰٫۷ تا ۱٫۸ واحد درصد و روی یک ربات واقعی ۲٫۵ واحد درصد کمتر از خط پایه متراکم است.
چرا مهم است
توسعه‌دهندگان رباتیک می‌توانند سیاست‌های دست‌کاری اشیای پربازده را روی سخت‌افزار ارزان‌تری اجرا کنند، بی‌آنکه نرخ موفقیت به‌طور چشمگیری افت کند.
