# LTM dá aos robôs uma memória compacta de ações passadas

> Pesquisadores apresentam um método para robôs de visão, linguagem e ação reterem interações passadas como transições compactas e relatam maior sucesso em tarefas de memória.

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

Pesquisadores apresentam o Latent Transition Memory (LTM), um método que ajuda robôs a lembrar interações que já não estão visíveis. Em vez de armazenar observações completas, o método registra transições compactas entre observações consecutivas e as utiliza com o modelo de visão, linguagem e ação π₀.₅.

Nos testes relatados, o LTM-π alcançou 80.5% de sucesso no LIBERO-Mem e 58.54% no RoboMME, superando métodos de referência que não usavam modelos externos de raciocínio nem anotações específicas para memória. O artigo também relata que a taxa de sucesso em tarefas de contagem com robôs reais subiu de 11.25% para 82.50%; o resumo não informa detalhes sobre o robô nem sobre a configuração do teste.

## Os fatos

- O método armazena transições entre observações consecutivas e usa cache KV causal para inferência incremental.
- O artigo relata 84.00% de sucesso com um limite de memória de 200 tokens, em comparação com 87.50% sem compressão.

## Por que importa

Para pesquisadores de robótica, o LTM oferece uma maneira testada de acomodar o histórico de interações em um limite reduzido de memória, embora o resumo, por si só, não demonstre até que ponto o método se aplica a outros robôs ou tarefas.

## Fontes e referências

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 atualização: 2026-10-16