REA：让机器人快策略与慢思考异步协作

导语

具身智能系统常常面临一个两难：基础模型擅长理解任务和处理复杂情况，但推理延迟与调用成本较高；视觉语言动作模型（VLA）及全身控制器反应更快，却可能难以适应训练分布之外的场景。把两者简单串联起来并不容易——如果机器人每次执行失败都暂停等待大模型，快速控制会被拖慢；如果低层策略遇到问题就不断回退到上层智能体，又可能出现重复触发，甚至漏掉没有明显报错的失败。

REA（Routed Embodied Agent）试图从运行时架构层面解决这一协调问题。论文将系统划分为负责反应执行的快速策略、负责调度的具身路由器，以及负责复杂判断的审慎推理模块。这里的“System 0/1/2”是对工程角色的简称，并非对人类认知结构的生物学解释。

核心机制

• 执行不等待推理：REA的核心规则是，任何正在运行的策略都不因等待大模型而暂停。这样可以避免高延迟推理阻塞机器人控制循环。
• 路由记忆：系统预先保存不同策略在相关任务或状态下的实测成功表现，用这些信息决定优先调用哪一种策略，而不是每次都临时询问基础模型。
• 边界触发的判断门：大模型并非在每个失败点被调用，而是在策略执行到关键边界时介入判断。这种设计旨在减少无效调用，同时为可能的隐性失败提供检查机会。
• 共享预算的升级阶梯：当当前策略无法继续时，系统按照受限的恢复预算逐步升级处理，避免反复触发同一回退路径，也让恢复成本保持可控。

实验结果与解读

在60个LIBERO-Pro任务、3000个测试回合上，REA达到95.9%的成功率，高于其策略池中最佳单智能体基线的94.7%。与此同时，控制步数减少25%，控制时间减少17%。这些结果说明，收益并不只是来自更强的单一模型，也来自策略选择、失败检测和恢复流程之间的协同。

需要注意的是，摘要还提到一组额外的100回合评测，但现有素材未提供完整结果，因此不能据此做进一步判断。论文当前更明确的价值，在于把异步协调作为具身系统的基础设施问题来处理，而不是把它简化为“让大模型在失败后接管”。

意义与局限

REA为机器人部署提供了一种较实用的组合思路：让快策略承担持续控制，让基础模型只在需要重新判断时介入，同时由路由层管理策略切换和恢复预算。若这一机制能在更多任务、硬件平台和真实环境中保持稳定，它可能有助于降低大模型直接控制机器人的延迟与成本。

不过，路由记忆依赖已有测量数据，边界如何定义、隐性失败如何识别，也会直接影响系统表现。未来评估还需要进一步说明跨平台泛化、真实机器人安全性，以及策略池变化后路由机制的适应能力。

来源：Hugging Face Daily Papers