World Action Models in Real Time: An Empirical Study of Smooth Execution via Asynchronous Deployment
World Action Models 通过迭代去噪生成固定时长的动作块，推理延迟导致机器人执行中出现停顿、动作过期和不连续。研究比较了六种异步部署策略，在 10 Hz 双臂机器人上评估，发现观测、预测和执行命令之间的时间对齐是基本要求，对齐错误会产生持续的块边界不连续，仅靠混合无法纠正。
发展脉络
- 首次出现World Action Models in Real Time: An Empirical Study of Smooth Execution via Asynchronous DeploymentarXiv cs.RO
- 当前判断该研究为机器人学习领域提供了异步部署的实证比较，强调了时间对齐的重要性，可能推动机器人系统设计从同步推理转向异步流水线。这暗示行业标准可能从追求模型精度转向关注部署时的时序一致性，影响机器人操作系统和推理框架的设计。Agent Pulse · 分析
该论文针对 World Action Models 推理延迟导致的执行不连续问题，提出异步部署策略。研究在 10 Hz 双臂机器人上比较了六种策略，包括同步执行、纯异步切换、事后动作混合、去噪时混合、推理时速度引导和前缀条件生成。评估结合离线轨迹分析和在线实验，覆盖动态操作、精度关键放置和长时程任务。结果表明，观测、预测和执行命令之间的准确时间对齐是基本要求，对齐错误会产生持续的块边界不连续，仅靠混合无法纠正。在正确对齐下，直接动作加权提供简单平滑的基线，但在精度关键任务中牺牲准确性。推理时速度引导未能可靠地改善性能。
异步部署的核心在于时间对齐，而非简单的混合或引导。对齐错误导致的块边界不连续是系统性的，无法通过事后混合消除，这提示架构设计需将时间戳同步作为第一公民。直接动作加权在平滑性和精度之间存在权衡，而推理时速度引导的失败表明，在生成过程中注入速度信息可能干扰去噪过程。未来可探索前缀条件生成等更细粒度的对齐方法。
该研究为机器人学习领域提供了异步部署的实证比较，强调了时间对齐的重要性，可能推动机器人系统设计从同步推理转向异步流水线。这暗示行业标准可能从追求模型精度转向关注部署时的时序一致性，影响机器人操作系统和推理框架的设计。
对于机器人公司，异步部署策略可降低推理延迟对执行的影响，提升系统响应性和平滑性，从而改善产品体验。时间对齐的重视可能催生新的工具链和中间件，为开发者提供部署优化服务。
后续可验证的信号包括：更多研究采用时间对齐的异步部署框架，机器人推理框架内置时间戳同步机制，以及精度关键任务中混合策略的改进。