# LTM, robotlara geçmiş eylemler için kompakt bellek sağlıyor

> Araştırmacılar, görsel-dil-eylem robotlarının geçmiş etkileşimleri kompakt geçişler halinde saklamasını sağlayan bir yöntem geliştirdi. Yöntem, bellek gerektiren görevlerde daha yüksek başarı bildirdi.

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

Araştırmacılar, robotların artık göremedikleri etkileşimleri hatırlamasına yardımcı olan Latent Transition Memory (LTM) adlı bir yöntem geliştirdi. Yöntem, gözlemlerin tamamını saklamak yerine art arda gelen gözlemler arasındaki kompakt geçişleri kaydediyor ve bunları π₀.₅ görsel-dil-eylem modeliyle birlikte kullanıyor.

Araştırmacıların bildirdiği testlerde LTM-π, LIBERO-Mem’de %80,5, RoboMME’de ise %58,54 başarıya ulaştı. Bu sonuçlar, harici akıl yürütme modelleri veya belleğe özel açıklamalar kullanmayan temel yöntemlerden daha iyi. Makaleye göre gerçek robotlarda sayma görevindeki başarı da %11,25’ten %82,50’ye çıktı; ancak özette robot veya test düzeni hakkında ayrıntı verilmiyor.

## Gerçekler

- Yöntem, art arda gelen gözlemler arasındaki geçişleri saklıyor ve artımlı çıkarım için nedensel KV önbellekleme kullanıyor.
- Makalede, 200 tokenlık bellek bütçesiyle %84,00 başarı bildiriliyor; sıkıştırma olmadan bu oran %87,50.

## Neden önemli

Robotik araştırmacıları için LTM, etkileşim geçmişini küçük bir bellek bütçesine sığdırmanın test edilmiş bir yolunu sunuyor. Ancak yalnızca özete bakarak yöntemin başka robotlara veya görevlere ne ölçüde aktarılabileceği söylenemez.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-10-16