AsyncShield：适配异步云端 VLA 导航的边缘控制模块

虽然视觉-语言-动作（VLA）模型已被证明具有强大的机器人控制零样本泛化能力，但其庞大的参数通常需要基于云的部署。然而，云部署引入了网络抖动和推理延迟，这可能会导致连续位移下移动导航中严重的时空错位，从而导致过去的自车坐标系中表达的陈旧意图在当前帧中可能变得空间不正确并导致碰撞。为了解决这个问题，我们提出了AsyncShield，一个即插即用的异步控制框架。 AsyncShield 放弃了传统的黑盒时间序列预测，转而采用确定性的物理白盒空间映射。通过维护时序位姿缓存并利用运动学变换，系统可以准确地将时间滞后转换为空间位姿偏移，以恢复 VLA 的原始几何意图。为了平衡意图恢复保真度和物理安全性，边缘适应被制定为约束马尔可夫决策过程（CMDP）。通过 PPO-拉格朗日算法解决，强化学习适配器在跟踪 VLA 意图和响应高频 LiDAR 避障硬约束之间动态进行权衡。此外，受益于标准化通用子目标接口、域随机化以及通过碰撞半径膨胀进行的感知级适应，AsyncShield 作为轻量级、即插即用模块运行。仿真和真实实验表明，在没有微调任何基于云的基础模型的情况下，该框架展现出零样本和强大的泛化能力，有效提高了异步导航的成功率和物理安全性。