使用自回归策略实时执行

通过异步推理实现的实时执行可确保平滑的动作轨迹和快速反应性，这对于大规模视觉-语言-动作模型的实际部署至关重要。然而，最近关于实时执行的工作主要集中在扩散策略的变体上，尽管考虑到自回归策略在同步推理中的采样轨迹速度较慢，它对于自回归策略更为重要。相比之下，我们证明自回归策略可以通过调整标记化范围和应用约束解码来实现实时执行，从而保证严格的延迟范围，从而使多轨迹解码能够最大限度地提高性能。在模拟和现实环境中，我们发现自回归策略始终优于其同等级别的流匹配策略，同时通过同步推理显着提高了任务完成速度。再加上自回归策略的固有优势，例如更快的收敛性和更好的指令跟踪通用性，这些结果证实自回归策略可以仍然是支持实时执行的有竞争力的策略类型。