ChunkAct 用动作分块降低机器人智能体 LLM 调用量
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载逐原语推理的代价
论文针对的是把大语言模型智能体放进机器人控制回路的做法：智能体在记忆的引导下组合感知、运动与视觉-语言-动作（VLA）工具，从而无需重新训练就能泛化到新任务。这种通用性伴随明显的效率代价——每一个原语都需要对完整交互历史做一轮 LLM 推理，因此一个回合的开销随原语数量增长。作者观察到这类推理在很大程度上是冗余的：一旦子目标被选定，其后续原语遵循的其实是记忆已经规定好的常规流程，并不需要每次都重新决策。
在线分块与离线编译
ChunkAct 的做法分两侧。在线时，一次调用就启动一整块链式原语，这一块自主执行，只有在失败时才把控制权交还给上层。离线时，ChunkAct 把记忆编译成这些动作块，于是测试阶段的执行不再需要记忆参与，规划器被保留给真正需要推理的决策。两相结合，LLM 的计算量随决策数量而非原语数量增长，这正是效率提升的来源。
LIBERO-Pro 上的结果
在 LIBERO-Pro 基准上，ChunkAct 的任务成功率比智能体机器人方向此前的最高水平高出 5.0 个百分点，同时 LLM 调用次数减少 2.9 倍，输入 token 减少 4.4 倍，输出 token 减少 2.3 倍。也就是说，效率与成功率在这项评测中没有互相牺牲，而是同时改善。论文涉及机器人学、人工智能、计算与语言、计算机视觉与模式识别等方向。
为什么值得看
把 LLM 调用从按原语计费改为按决策计费，成功率还涨了 5 个点，做机器人智能体与 VLA 工具编排的值得看。
信源1 家
关键事实
论文标题为 ChunkAct: Action Chunking for Agentic Robotics，作者包括 Bingxin Xu、Wenrui Bao、Xinxin Liu、Jiawei Zhou、Yuzhang Shang、Em…[1]
在线阶段单次调用启动一串链式原语并自主执行，仅在失败时把控制权交回。[1]
离线阶段把记忆编译成动作块，测试时执行不依赖记忆，规划器只留给需要推理的决策。[1]
在 LIBERO-Pro 上任务成功率比该方向此前最优高 5.0 个百分点。[1]
同一评测中 LLM 调用减少 2.9 倍，输入 token 减少 4.4 倍，输出 token 减少 2.3 倍。[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。