# WAM-Cache reduz em até 42% o processamento da visão robótica

> O novo cache, que dispensa treinamento, reduz o custo dos modelos de vídeo e mantém a precisão da manipulação a poucos pontos do nível original.

Oossa · 2026-10-09 · https://oossa.com/pt/wam-cache-cuts-robot-vision-compute-by-up-to-42

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.

## Os fatos

- O WAM-Cache reduz em 32‑42% as operações de ponto flutuante do pré-preenchimento do DiT de vídeo (benchmark Fast-WAM).
- A perda de precisão é de, no máximo, 1,8 % em simulações e 2,5 % 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.

## Fontes e referências

1. [WAM-Cache: Staleness-Bounded KV Reuse for Efficient World Action Models](https://arxiv.org/abs/2610.11401) – arXiv cs.RO, 2026-10-09

Última atualização: 2026-10-09