REA以异步路由与有界升级协调慢推理和快动作策略

基础模型在高级推理方面变得非常可靠，但它们仍然太慢且成本太高，无法用作细粒度控制器。相反，VLA 和全身控制器等快速策略提供了更有效的反应，但很难推广。虽然将深思熟虑的大脑（基础模型）与反应性小脑（快速策略）配对对于具身系统来说似乎很自然，但仍然存在两个障碍：方法是在不兼容的堆栈上构建和评分的，并且它们的异步协调很困难。例如，在 Agentic 循环中调用 VLA 的代理可能会停止快速执行，而在出现错误时调用代理的 VLA 往往会重复重新触发回退或完全错过静默故障。为了解决这个问题，我们提出了 REA（路由具身智能体），这是一个统一的运行时，其中深思熟虑的系统 2、具身路由器系统 1 和反应式系统 0 策略在一条黄金法则下进行合作——没有正在运行的策略等待大脑。 REA 不是在每次失败时询问大脑，而是采用路由记忆来提前存储每个策略的测量成功情况，使用边界触发的判断门来咨询大脑有关策略执行的信息，以及用于有限恢复的共享预算升级阶梯。通过对 60 项 LIBERO-Pro 任务中的 3,000 个测试回合进行评估，REA 取得了 95.9% 的成功率，并击败了自己策略池中的最佳单代理基线 (94.7%)，同时将控制步骤减少了 25%，控制时间减少了 17%。在一项单独的 100 回合 RoboTwin 2.0 研究中，REA 使用 VLA 策略取得了 84% 的成功，使用 VLA+code 取得了 86% 的成功，而最强的单一 VLA 基线 MEDex 则取得了 80% 的成功。这些结果展示了在同一运行时内运行的学习策略和编程策略。 REA 还转移到 BEHAVIOR-1K 和真正的 Unitree G1 人形机器人，在比较方法中取得了最高的观察到的成功率。