Pesquisadores liderados por Kai Ding lançaram o WAM-Cache, uma estrutura que reutiliza representações de chave e valor de um transformador de difusão de vídeo entre blocos de controle. Em vez de recalcular todo o codificador visual a cada etapa, o sistema atualiza apenas um conjunto esparso de tokens, selecionados com base na atenção do especialista em ações e em uma medida de surpresa visual, e impõe um limite máximo de idade. No benchmark Fast-WAM, o sistema reduz em 32‑42% as operações de ponto flutuante do codificador de vídeo no RoboTwin 2.0, no LIBERO e em testes no mundo real, mantendo resultados até 0,7‑1,8 ponto percentual abaixo da referência densa em simulações e 2,5 pontos abaixo em um robô real.
Por que importa
Desenvolvedores de robótica podem executar políticas de manipulação de alto desempenho em hardware mais barato, sem uma grande queda nas taxas de sucesso.
