机器人边执行边思考！具身运行框架REA打通Agent与VLA异步协作
智猩猩AI整理 论文作者投稿 近日，新加坡国立大学、InfRec Cardinal AI Lab、UCB等机构的研究者提出具身运行框架REA，将Agent、视觉—语言—动作模型（....
近日，新加坡国立大学、InfRec Cardinal AI Lab
、
UCB
等机构的研究者提出具身运行框架
REA，将
Agent
、视觉
—
语言
—
动作模型（
VLA
）与代码策略接入同一套调度流程。
大模型可以理解任务、规划步骤，快速策略可以连续完成动作。但把两者放在一起，机器人不一定就能既想得清楚、又动得顺畅。
如果每执行一段动作就等大脑决策，推理延迟会拖慢控制；如果只在程序报错时求助，又可能错过那些程序正常结束、任务却没有完成的情况。
REA
把交接时机放在了中心：
让大脑提前准备、在后台思考，在合适的策略边界参与决策。
在
LIBERO-Pro 的
3,000
次测试中，基于路由记忆的
REA
达到
95.9%
成功率，相比最强单一方法，每次成功所需控制步数减少约
25%
，单次任务控制时间减少约
17%
。这套运行框架也进入了
Unitree G1
和
AlohaMini2
真机。
01
大脑在后台思考，
动作可以继续执行
把机器人比作大小脑协作系统，问题很容易理解：大脑擅长处理复杂目标，小脑擅长快速执行，但两者的工作频率并不相同。
论文中的阻塞式
advisor 平均每个任务只调用
1.7
次，机器人仍有
2.62
秒在等大脑，占控制时间的
20%
。调用不频繁，也可能形成明显的等待。
REA
在两者之间加入路由器
Router
，将系统分成推理、调度和执行三层。
System 2
负责推理，可以提前生成候选策略，也可以在线分析观察、给出建议。
System 1负责选策略、切换和停止。
System 0
则保留
VLA
、代码程序或全身控制器各自的执行方式。
三层在约定好的策略边界交接。
这个边界可以是一段
VLA 动作块结束、一段运动区间结束，或一次程序返回。
同步模式在策略返回后做判断；异步模式让大脑推理与动作执行并行。新建议准备好后，再由
Router 在下一个边界应用。
正在执行的策略，不必停下来等待大脑。
推理可以帮助后续行动，动作也能维持自己的节奏。不同小脑由此能够通过同一套交接机制协作。
02
会选策略，
还要知道任务做成没有
Router
首先要回答的是，当前任务交给谁。
REA
提前记录各候选在独立开发集上的成功率与平均步数，形成路由记忆。
执行时优先选择成功率更高的策略；成功率相同，再选步数更少的策略。这样，开发阶段积累的经验可以直接参与调度。
这利用了一个常被总分掩盖的事实：平均成绩最好的方法，也未必最擅长每一个任务。把各自擅长的任务交给不同策略，已有能力就可能得到更充分的利用。
选完以后，还需要判断任务是否真的完成。
例如打开炉灶，机械臂伸出、转动、收回，程序正常结束，旋钮却仍然关闭。在
ASPIRE 策略池的
590
次测试中，异常触发路由只升级了
6
次，实际失败却有
166
次。
REA
为此在策略返回后引入视觉
Judge
，比较任务开始时与当前的画面。判断完成，
Router
就停止；判断未完成，则从当前状态继续尝试下一段候选策略。
恢复过程共用同一份时间和控制步数预算。已经完成的任务可以及时停下，没有完成的任务则获得换一种办法的机会。
路由记忆解决
“
选谁执行
”
，视觉判断解决
“
是否继续
”
。两者分别利用已有经验和当前结果，让调度有了更具体的依据。
03
成功率达到95.9%，
VLA 与代码还能搭配使用
研究团队先在
LIBERO-Pro 的
60
个任务上测试，每个任务使用
50
个测试种子，共
3,000
次。
REA-M
使用路由记忆选择策略，
REA-A
则在线询问
Agent
，两者都采用异常触发恢复。
REA-M
将成功率从策略池内最强单一方法的
94.7%
提高到
95.9%
，每次成功所需步数从
1,343
降到
1,003
。相对这一基线，单次任务控制时间减少约
17%
。
更有意思的是，
不进行在线大脑调用的
REA-M，与
REA-A
达到了相同的
95.9%
。
控制时间却从
REA-A 的
11.36
秒降至
9.96
秒。对这组策略库而言，已有经验足以支撑有效选择。
视觉判断的作用在另一组
ASPIRE 策略实验中体现出来：单一
Fix
策略成功率为
66.3%
，加入路由记忆与异常触发恢复后为
71.9%
，再由视觉判断控制恢复，达到
74.9%
。
发现静默失败带来了额外收益，每次成功的墙钟时间也增至异常触发方案的约
2.1 倍。是否调用判断，因而与当前策略库容易出现什么失败有关。
在
RoboTwin 2.0 的独立实验中，研究者进一步把七种
VLA
与代码策略放进共同候选池，在
50
个任务、
100
个场景上比较。
这里的选择器读取初始指令、图像和机器人状态，在任务开始时选定策略，整次执行保持不变。多
VLA 路由成功率为
84%
，加入代码后提高到
86%
，在随机化场景多完成两个任务。
真机上，调度对应的是更具体的动作。
Unitree G1 需要走到椅子前并推动它，各方法使用相同模型和底层动作，每种测试
10
次。
REA
完成
8
次，
Agents SDK
、
Codex
和
ASPIRE
分别完成
5
次、
4
次和
2
次。
AlohaMini2
的方块入盒任务要求放下物体后，夹爪撤回，方块仍在盒内保持稳定。四种
Agent
方法各测试
10
次，
REA
完成
10/10
；每次允许最多三次抓取尝试，没有固定总时间上限。
另一项独立控制器实验中，
REA 在
π0.5
与
Code
之间异步路由，完成次数由
π0.5
单独运行的
3/10
提高到
8/10
。两组均有两次抓取失败，放置失败则由五次降为零。
Code
在十次
REA
测试中的五次实际执行，帮助机器人完成了任务后半段。该对照的两组采集于不同日期，
REA
平均活跃时间为
128.89
秒，
π0.5
为
16.57
秒，组合控制也使用了更多执行时间。
04
让已有能力，
在合适的时刻接上手
REA
展示了大小脑协作中的几种具体分工：经验足够时，快速查询支持选择；出现静默失败时，视觉判断补上结果信息；
VLA
与代码各有所长时，统一调度让它们共同完成任务。
机器人能完成什么，既取决于单个策略的能力，也取决于系统何时调用它、何时换一种办法，以及何时确认已经做成。
这套运行框架把这些问题放进了同一个可实现、可比较的流程。研究者可以接入不同
Agent、
VLA
与程序策略，继续考察哪些判断值得交给大脑，哪些动作可以持续执行。
当慢速推理能够在合适的边界接上快速控制，机器人就有机会把理解任务与连续行动更好地结合起来。
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。
