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
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 特斯拉悬停跑车被指非飞行汽车：气罐撑不了多久 — tinyfool · 2026-10-16
- Scobleizer 转述：Optimus 实机比空中翻转的新 Roadster 更震撼 — Scobleizer · 2026-10-16
- 独立开发者的 AI PASSPORT 固件几天下载破 1200 次 — ezshine · 2026-10-16
- 1X 开设加州工厂，批量量产 NEO 人形机器人 — emmanuelvivier · 2026-10-16