AsyncVLA：一种面向边缘机器人的异步 VLA 以实现快速而稳健的导航

机器人基础模型通过利用大规模视觉语言表示实现了强大的泛化能力，但其巨大的计算成本构成了根本性瓶颈：高推理延迟。在动态环境中，这种延迟会破坏控制回路，使强大模型在实际时延部署时变得不安全。我们提出 AsyncVLA，一种异步控制框架，通过分离语义推理与反应式执行来实现高延迟下的鲁棒导航。受层次控制启发，AsyncVLA 在远程工作站上运行大型基础模型以提供高层次指导，同时在轻量级的 onboard Edge Adapter 上持续高频率细化动作。为桥接这些异步数据流之间的领域差异，我们引入一种端到端微调协议和一种轨迹重加权策略，以优先处理动态交互。我们在具有最高 6 秒通信延迟的真实世界视觉导航任务上进行评估。AsyncVLA 的成功率比现有 SOTA 方法高出 40%，有效实现了大型模型语义智能与边缘机器人所需的反应性之间的鸿沟。