ARP框架解耦语义推理与动作生成

Sombit Dey、Luc Van Gool、Danda Pani Paudel 提出异步机器人策略框架 ARP，用独立频率运行的异步进程把语义推理与低层动作生成解耦：高容量视觉语言模型以低频率异步更新语义记忆，轻量视觉-动作专家以更高控制频率据此生成机器人动作。为应对异步记忆陈旧，ARP 用跨进程时间错配的观测训练视觉-动作专家。 作者报告，在 Franka 操作任务上，ARP 在准静态设置中成功率提高 18%、执行所需时间减少 20%，在动态仿真环境中达到基线性能的 3-5 倍；并可在比标称频率低 10 倍的情况下运行 VLM 而无显著性能损失。作者称这体现了将机器人策略建模为异步进程的架构优势，可在不牺牲基础模型规模的前提下支持真实环境中的反应式部署。上述结果出自 arXiv 预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。