Kai Ding’in liderlik ettiği araştırmacılar, video difüzyon transformer’ından alınan anahtar-değer temsillerini kontrol parçaları arasında yeniden kullanan WAM-Cache adlı bir çerçeve yayımladı. Sistem, görsel kodlayıcının tamamını her adımda yeniden hesaplamak yerine yalnızca eylem uzmanının dikkat mekanizması ve görsel sürpriz ölçütüyle seçilen seyrek bir token kümesini, kesin bir yaş sınırına tabi tutarak yeniliyor. Fast-WAM karşılaştırma testinde RoboTwin 2.0, LIBERO ve gerçek dünya testlerinde video kodlayıcının FLOP sayısını %32-42 azaltırken, simülasyonda yoğun temel modelin 0,7-1,8 yüzde puanı, gerçek bir robottaysa 2,5 yüzde puanı içinde kalıyor.
Neden önemli
Robotik geliştiricileri, başarı oranlarında büyük bir düşüş yaşamadan yüksek performanslı manipülasyon politikalarını daha ucuz donanımlarda çalıştırabilir.
