πR^2框架：让机器人操作策略实现40毫秒级实时反应
CMU-SCS · hf · 2026-07-31
当前基于大模型的机器人操作策略通常采用开环的动作分块，由于感知到动作的管线延迟过大，无法在执行中途对新传感输入做出快速反应。
卡内基梅隆大学的研究者提出了 πR^2 方法，在保留大型骨干网络的同时实现实时反应。其核心创新包括：
- 双通道条件化：将输入分为快速通道（本体感知，每帧更新）和慢速通道（视觉语言特征，异步更新），使策略能在视觉延迟时依然对本体感知做出快速反应。
- 延迟自适应流调度：将进行中的动作视为修复条件，每次调用仅需一步去噪，使单一模型能适应不同的硬件延迟。
在真实的 xArm6 机械臂平台上，基于 GR00T-N1.7 微调的 πR^2 策略实现了约 25Hz（每 40ms）的重规划频率，相比基线策略快约 4 倍。在仿真和真实世界的操作任务中，成功率最高提升了 30%。
「具身」频道最新
- Peter Diamandis 预测人形机器人将在4至6年内率先登月 — PeterDiamandis · 2026-07-31
- 机器人触觉感知成新前沿：折纸挑战推动灵巧度升级 — chris_j_paxton · 2026-07-31
- 谷歌发布 Gemini Robotics ER 2 具身推理模型 — rseroter · 2026-07-31
- 极客自制背包摄像头:香橙派驱动实时检测蚊子 — yacineMTB · 2026-07-31
- Google DeepMind 新模型登场：让人形机器人实现全身运动 — The Verge AI · 2026-07-31
- 消费级人形机器人何时普及？Reddit 网友预测三年内降至 5000 美元 — Terminator857 · 2026-07-31