Des chercheurs présentent Latent Transition Memory (LTM), une méthode qui aide les robots à se souvenir d’interactions qui ne sont plus visibles. Au lieu d’enregistrer des observations complètes, elle conserve des transitions compactes entre observations successives et les utilise avec le modèle vision-langage-action π₀.₅.
Dans les tests présentés, LTM-π atteint un taux de réussite de 80.5% sur LIBERO-Mem et de 58.54% sur RoboMME, dépassant les méthodes de référence qui n’utilisaient ni modèles de raisonnement externes ni annotations spécifiques à la mémoire. L’article fait également état d’une hausse du taux de réussite du comptage sur un vrai robot, de 11.25% à 82.50% ; le résumé ne précise pas le robot utilisé ni le protocole de test.
Pourquoi c'est important
Pour les chercheurs en robotique, LTM propose une méthode testée pour intégrer l’historique des interactions dans une mémoire limitée. Le résumé ne permet toutefois pas de savoir dans quelle mesure elle s’adapte à d’autres robots ou tâches.
