arXiv cs.AI· Houlong Xiong, Zhenqi Qiu, Zechen Wang, Suohang Zhang, Yiyu Ren, Wanting Xu, Hongfei Niu, Chengyang He, Ge Sun, Ran Cheng, Qian Zhu·· 9 天前AI 评分33
REACT：面向 VLA 模型机器人控制的滚动去噪与双重解耦框架
REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models
AI 导读
REACT 是一个滚动去噪框架，让基于 flow 的 VLA 模型在保留长时程上下文的同时提升反应速度：它维护带错开 flow 时间步的持久动作缓冲区，每步用最新观测对完整时域去噪、执行最干净的动作块、将部分精炼的未来块前移并补充新噪声。
正文 · AI 翻译
作者：Houlong Xiong、Zhenqi Qiu、Zechen Wang、Suohang Zhang、Yiyu Ren、Wanting Xu、Hongfei Niu、Chengyang He、Ge Sun、Ran Cheng、Qian Zhu
摘要：基于流的视觉-语言-动作（VLA）模型生成动作块，以实现时间上连贯的机器人运动，但分块控制产生了一个根本性的闭环权衡：长动作块提供平滑执行，而频繁重规划提升反应性，代价是动作不连续。我们提出 REACT，一种滚动去噪框架，使基于流的 VLA 更具反应性，同时保留长时程上下文。REACT 不是从头重新生成整个动作块，而是维护一个具有交错流时间步的持久动作缓冲区。在每个控制步骤中，使用最新观测对整个时程进行去噪，执行最干净的动作块，将部分精炼的未来块向前移动，并将新的噪声追加到尾部。因此，每个执行的动作块在部署前会跨多个近期观测进行精炼。为支持实时控制，我们进一步引入双重解耦，将感知、VLM 编码、DiT 去噪和动作执行分离，从而在实际计算约束下实现高频观测更新和动作流式传输。在 RoboTwin 2.0 仿真基准以及涵盖多个机器人平台上双臂操作和动态控制的真实世界任务中，REACT 相比频繁重规划和异步基线提高了任务成功率并降低了反应延迟，同时产生更平滑的轨迹。
| 评论： | 被 CoRL 2026 接收为 Spotlight。项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12007 [cs.RO] |
| （或 arXiv:2610.12007v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12007 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Houlong Xiong [查看电子邮件]
[v1]
2026年10月8日星期四 14:09:46 UTC（16,529 KB）
来源：arXiv cs.AI · arxiv.org