研究人员提出了潜在转移记忆（Latent Transition Memory，LTM），帮助机器人记住当前视野中已不可见的互动内容。它不保存完整观测，而是记录连续观测之间的精简状态转移，并将其与 π₀.₅ 视觉-语言-动作模型配合使用。
据论文报告的测试结果，LTM-π 在 LIBERO-Mem 上的成功率为 80.5%，在 RoboMME 上为 58.54%，优于既未使用外部推理模型、也未采用专门记忆标注的基线方法。论文还报告称，真实机器人在计数任务中的成功率从 11.25% 升至 82.50%；摘要没有提供机器人或测试设置的细节。
为什么重要
对机器人研究人员来说，LTM 提供了一种经过测试的方法，可在有限的记忆预算内保存互动历史；但仅凭摘要，尚无法判断它对其他机器人或任务的迁移效果。
