# WAM-Cache снижает вычислительную нагрузку на зрение робота до 42%

> Новый метод кэширования без дополнительного обучения сокращает затраты видеомодели, сохраняя точность манипуляций с отклонением всего в несколько процентных пунктов.

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

Исследователи во главе с Каем Дином представили WAM-Cache — систему, которая повторно использует ключевые и векторные представления видеодиффузионного трансформера между блоками управления. Вместо того чтобы на каждом шаге заново обрабатывать данные целиком, система обновляет только небольшой набор токенов, отобранных с учётом внимания эксперта по действиям и меры визуальной неожиданности, при этом ограничивая срок их хранения. В тестах Fast-WAM система снижает количество операций с плавающей запятой видеокодировщика на 32–42% в RoboTwin 2.0, LIBERO и испытаниях в реальных условиях. При этом в симуляциях точность уступает базовой модели с полным пересчётом на 0,7–1,8 процентного пункта, а на реальном роботе — на 2,5 пункта.

## Факты

- WAM-Cache снижает число операций с плавающей запятой на этапе предзаполнения видеодиффузионного трансформера на 32–42% (по результатам теста Fast-WAM).
- Потеря точности составляет не более 1,8% в симуляциях и 2,5% на реальном роботе.

## Почему это важно

Разработчики робототехники смогут запускать высокопроизводительные алгоритмы манипуляции на более доступном оборудовании без существенного снижения успешности выполнения задач.

## Источники и ссылки

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

Обновлено: 2026-10-09