REA: A Routed Embodied Agent Runtime for Asynchronous Brain-Cerebellum Control
Pubblicata su AIChronos il · fonte del · Pengfei Zhou, Yixing Ma, Zhengfeiyang Zhang, Haoyuan Chen, Zhenglin Wan, Hexin Wang
REA (Routed Embodied Agent) è un runtime unificato che integra modelli fondazionali deliberativi (System 2), policy reattive veloci (System 0) e router incarnati (System 1) per il controllo cervello-cerebelllo asincrono. Il sistema evita di far attendere le policy in esecuzione al 'brain' tramite una regola d'oro, utilizzando invece memoria di route pre-calcolata e gate giudici attivati da eventi di confine. Valutato su benchmark LIBERO-Pro e RoboTwin 2.0, REA raggiunge tassi di successo superiori alle baseline single-agent riducendo significativamente i passi di controllo e il tempo di esecuzione.
- Implementa una coordinazione asincrona tra policy lente (fondazionali) e veloci (riflessi) senza stallare l'esecuzione in tempo reale.
- Utilizza una 'route memory' che memorizza i successi misurati delle policy prima dell'esecuzione per evitare chiamate ridondanti al brain.
- Adotta un meccanismo di escalation a gradini con budget condiviso per garantire il recupero entro limiti definiti.
- Raggiunge il 95.9% di successo su task LIBERO-Pro, superando le baseline single-agent del 14.2 punti percentuali.
- Dimostra trasferibilità efficace sia su dataset sintetici (BEHAVIOR-1K) che su robot umanoidi reali come Unitree G1.
Perché conta. Per gli sviluppatori di agenti e AI locale, REA offre un pattern architetturale cruciale per bilanciare la potenza del ragionamento LLM con l'efficienza delle policy reattive in sistemi embodied, evitando i colli di bottiglia computazionali tipici dell'integrazione diretta.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.