# LTM aiuta i robot a ricordare le azioni passate

> I ricercatori presentano un metodo che consente ai robot vision-language-action di conservare le interazioni passate sotto forma di transizioni compatte, migliorando i risultati nei test di memoria.

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

I ricercatori presentano Latent Transition Memory (LTM), un metodo che aiuta i robot a ricordare interazioni non più visibili. Invece di memorizzare osservazioni complete, registra transizioni compatte tra osservazioni consecutive e le usa con il modello vision-language-action π₀.₅.

Nei test riportati, LTM-π ha raggiunto un tasso di successo dell’80.5% su LIBERO-Mem e del 58.54% su RoboMME, superando i sistemi di riferimento che non utilizzavano né modelli esterni di ragionamento né annotazioni specifiche per la memoria. Lo studio riporta anche un aumento del successo nei compiti di conteggio con un robot reale, dall’11.25% all’82.50%; l’abstract non fornisce dettagli sul robot o sulla configurazione del test.

## I fatti

- Il metodo memorizza le transizioni tra osservazioni consecutive e utilizza il causal KV caching per l’inferenza incrementale.
- Lo studio riporta un tasso di successo dell’84.00% con un budget di memoria di 200 token, rispetto all’87.50% senza compressione.

## Perché conta

Per chi fa ricerca in robotica, LTM propone un metodo testato per condensare la cronologia delle interazioni in un budget di memoria ridotto. L’abstract, però, non basta a stabilire quanto il metodo si adatti ad altri robot o compiti.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-16