Reflex：通过复用与纠正历史动作加速机器人策略服务

Reflex 是一个机器人策略服务层，把过去的策略执行结果缓存为绕过骨干网络和动作头的决策路径，在不修改底层策略的前提下将推理延迟降低 1.4 至 11 倍、吞吐提升 2.0 至 2.2 倍，并保持相近的任务成功率。作者发现，复用中间去噪状态相比直接用更少去噪步数从新噪声开始并无明显优势，且加速去噪仍保留占 GPU 时间约 70% 的策略骨干。为此 Reflex 采用两级缓存纠正：动作层面从历史决策学习动作感知相似度、组装兼容动作块并施加轻量残差纠正；执行层面捕捉任务进度并自适应刷新原策略以限制累积误差。实验在代表性负载和真实机器人上进行。