实时世界行动模型：通过异步部署平滑执行的实证研究

世界动作模型通过迭代去噪生成固定范围的动作块，从而产生大量的推理延迟，这可能会导致机器人执行期间的暂停、陈旧动作和不连续性。我们提出了异步部署策略的实证研究，该策略将模型推理与操作执行重叠，以实现响应式且平滑的控制。我们在 10 Hz 双手机器人上比较了六种策略，包括同步执行、纯异步切换、事后动作混合、去噪时间混合、推理时间速度引导和前缀条件生成。评估将离线轨迹分析与在线实验相结合，涵盖动态操作、精度关键的放置和长视野任务。我们的结果将观察、预测和执行的命令之间的准确时间对齐确定为基本要求。对齐错误会产生持久的块边界不连续性，无法仅通过混合来纠正。通过正确对齐，直接动作加权可提供简单且平滑的基线，但会牺牲精度关键任务的准确性。推理时间速度指导无法可靠地约束我们平台上的承诺操作。相比之下，前缀条件生成通过在训练期间学习一致的动作延续，实现了任务性能、执行速度和轨迹平滑度之间的最佳总体平衡。这些发现阐明了异步部署策略之间的实际权衡，并为在实时机器人系统中部署高延迟世界行动模型提供了指导。