DIRECT：您应该何时何地在体现规划器中分配测试时间计算？

视觉语言模型 (VLM) 越来越多地被部署为实体代理的高级规划器，并采用扩展测试时计算以提高能力的新兴策略。然而，我们观察到，这样做会增加延迟、词元使用和失败，同时产生不均匀的结果，通常会减少下游成功的收益，从而限制了具体代理的部署位置。我们认为，选择何时何地进行测试计算对于将前沿性能带入现实世界至关重要。我们引入了 DIRECT，这是一个路由框架，它使用多模式场景上下文来为每个提示分配计算，从而提高了固定模型选择的成功成本 Pareto 边界。在三个主要的缩放轴上，即思想链深度、模型大小和内存历史，我们在 VLABench 和 RoboMME 上的实验表明，测试时计算并不是一个统一的杠杆：不同的轴产生性质不同的能力增益。我们在 DROID 设置中的物理 Franka 手臂上验证了这些见解，涵盖零样本操作和长范围链接，其中我们的路由器匹配或超过了更强大模型的成功率，平均延迟降低了 65%。最终，我们的结果表明，天真地扩展测试时间计算是浪费的，而 DIRECT 可以以一小部分成本在机器人系统中提供前沿级的具体规划。项目页面可以在 jadee-dao.github.io/direct/ 找到。