REA提出脑-小脑异步运行时，LIBERO-Pro成功率95.9%

Pengfei Zhou等作者在arXiv预印本中提出REA（Routed Embodied Agent），一个让审慎的System 2、具身路由System 1与反应式System 0策略在同一运行时协作的框架，核心规则是运行中的策略不等待大脑。REA依靠预先记录各策略实测成功率的route memory、在策略执行时触发大脑判断的边界触发门，以及共享预算的升级阶梯，实现有界恢复。 在60个LIBERO-Pro任务的3000个测试回合中，REA成功率为95.9%，高于其策略池内最佳单智能体基线的94.7%，同时控制步数减少25%、控制时间减少17%。在另一项100回合的RoboTwin 2.0研究中，REA使用VLA策略成功率为84%，使用VLA+code为86%，最强单VLA基线MEDex为80%。作者称REA还迁移到BEHAVIOR-1K和一台真实的Unitree G1人形机器人，在对比方法中取得最高观测成功率。 上述结果来自作者自评的预印本，尚未经同行评议或独立验证；实机部分未给出试验次数与成功率分母。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。