Adicionar treinamento em tempo de teste a modelos de robótica não produziu uma seleção de alvos consistente guiada por demonstrações humanas em um estudo submetido em 23 de outubro de 2026. Os pesquisadores testaram a abordagem em InternVLA-A1 e Pi0.5, constatando que as mudanças de treinamento que examinaram não melhoraram de forma clara a capacidade de resposta nas configurações testadas.
O estudo, de Qiangong Zhou, Jiafeng Liang, Yimin Dong, Yang He e Hongxiang Li, investigou como os modelos geram ações de robôs usando demonstrações humanas. Suas conclusões se aplicam à escala de treinamento e às configurações experimentais testadas.
Como o estudo testou o treinamento em tempo de teste em robótica
Os pesquisadores integraram o Treinamento em Tempo de Teste (TTT) aos dois modelos visão-linguagem-ação e os treinaram usando demonstrações humanas emparelhadas com trajetórias de robôs. O TTT armazena informações contextuais em pesos rápidos; o estudo examina seu uso para tarefas que exigem que robôs retenham e utilizem informações anteriores.
A implementação incluiu transferência de memória entre fases de treinamento e retropropagação truncada. Os experimentos abrangeram demonstrações apresentadas como vídeos, vídeos mais curtos e pistas de quadro único, enquanto examinavam objetivos de treinamento, cobertura de gradiente e regularização contrastiva.
Nem sequências mais curtas nem conectividade de gradiente ao longo de toda a trajetória produziram uma melhoria clara na capacidade de resposta às demonstrações. A regularização contrastiva também não mostrou benefício claro nas configurações testadas. Adicionar TTT juntamente com treinamento em dados emparelhados não tornou consistente a seleção de alvos baseada em demonstrações na escala atual.
Nos testes com pistas de quadro único, a execução em um robô real mostrou preferência por copos localizados em posições fixas.
Os pesquisadores documentaram sua implementação, configurações de treinamento e observações experimentais para apoiar uma inspeção mais detalhada e a replicação do trabalho.
Artigo produzido com a assistência de inteligência artificial e revisado pela equipe editorial.




