REA: A Routed Embodied Agent Runtime for Asynchronous Brain-Cerebellum Control

REA 是一个路由式具身智能体运行时，协调慢速 System 2 大脑、路由器和快速 System 0 策略，使任何正在运行的策略都不必等待大脑。

基础模型大脑在高层次推理上可靠，但作为细粒度控制器又慢又昂贵；而快速 VLA 和全身策略泛化能力差。将审慎大脑与反应式小脑配对很难，因为方法在不同技术栈上构建和评分，且异步协调困难。调用快速策略的智能体会阻塞执行，而快速策略在出错时调用智能体会重新触发回退或漏掉静默失败。

REA 是一个统一运行时，包含 System 2 大脑、System 1 具身路由器和 System 0 快速策略，并遵循一条黄金规则：任何正在运行的策略都不等待大脑。大脑离线或在线生成策略，并提供建议或判断。路由记忆存储每个策略在开发回合中测得的逐任务成功率和成本，因此调度不需要 System 2 推理。边界触发的裁判门并发地咨询 System 2，以检测完成和静默失败；完成时停止，未完成时升级。共享预算升级阶梯在单一步数和时间预算下，从当前状态调度下一个策略。相同的接口和对齐的评估协议覆盖模拟器和真实机器人上的代码策略、VLA 策略和全身控制器。

• 在完整 LIBERO-Pro 集上，REA-M 比其自身策略池中最佳单智能体基线取得更高成功率，且每次成功所需控制步数更少。 §4.2
• 与阻塞式顾问和 Agents SDK 相比，路由记忆减少了控制时间，同时成功率持平或提升。 §4.3
• 在 ASPIRE Fix-loop 策略上，REA-M 提升成功率；裁判门以更高的每次成功墙钟时间带来进一步成功率提升。 §4.4
• 在 RoboTwin 2.0 的 VLA 与代码研究中，REA 优于最强的单 VLA 基线 MEDex，加入代码策略提高了随机化成功次数。 §4.6
• 在 BEHAVIOR-1K 上，REA 在对比方法中解决了最多的测试回合。 §4.7
• 在真实 Unitree G1 行走并推椅任务上，REA 获得最高的操作员判定成功率。 §4.8

• RoboTwin VLA 与代码研究指出，历史基线和 VLA 扩展在不同时间窗口运行，且 MEDex 使用单独主机，因此这些比较带有时间窗口和主机注意事项（§4.6）。
• 裁判门归因是近似的，因为用 REA-M 自身运行替代 REA-V 的首次运行，所以拆分为被挽救失败、被撤销成功和重放方差只是近似（§4.4、§B.6）。
• BEHAVIOR-1K 相对 Agents SDK 智能体的优势不显著，且来自一个任务（§4.7）。
• AlohaMini2 真实机器人研究每种方法使用十次有效试验，并保留不同的日期或会话设置；REA 在两项研究中平均记录时间也更长，失败试验的提前终止会影响运行时平均值（§4.9、§D.3）。

• REA 在一个运行时下分离 System 2 大脑、System 1 具身路由器和 System 0 快速策略。 §1
• 路由记忆根据开发成功率和成本选择首个策略与阶梯，调度时不消耗模型 token。 §4.2
• 边界触发的裁判门并发咨询 System 2，以判断任务是否完成；未完成则升级，完成则停止。 §1
• 升级阶梯在一个共享步数和墙钟预算下运行，升级不会延长回合。 §B.1
• 对齐的评估协议在匹配比较中使用相同的任务-种子对、初始状态语义、视界和墙钟预算。 §3.3
• 路由记忆每个程序使用 10 个开发种子且不消耗模型 token，而生成流水线使用 1,249–1,328 个开发回合和 29–89M 输入 token。 §4.2
• 直接以大脑作为控制器的策略在 1,987 个单 token 回合中解决了 1 个，在 600 个 Cartesian IK 回合中解决了 0 个。 §1
• 在 AlohaMini2 上，REA 完成 10/10 次试验，而 ASPIRE 为 8/10、Codex 为 5/10、Agents SDK 为 4/10；另一项研究在 pi0.5 与 Code 之间路由，达到 8/10，而单用 pi0.5 为 3/10。 §4.9