通过感知-生成分离与异步管道执行提升具身AI代理
人工智能
2025-09-12 v1 机器学习
摘要
具身AI系统在动态环境中运行，需要无缝集成感知和生成模块，以处理高频输入和输出需求。传统的顺序计算模式虽然有效确保准确性，但在实现实际应用所需的"思考"频率方面面临显著限制。本文提出Auras，一种算法-系统协同设计的推理框架，以优化具身AI代理的推理频率。Auras将感知和生成分离，并为其提供受控的管道并行，从而实现高且稳定的吞吐量。面对增加并行性时出现的数据滞后问题，Auras建立了一个公共上下文供感知和生成共享，从而保证了具身代理的准确性。实验结果表明，Auras在平均水平上将吞吐量提高2.54倍，同时实现102.7%的原始准确性，充分证明了其在克服顺序计算约束、提供高吞吐量方面的有效性。
引用
@article{arxiv.2509.09560,
title = {Boosting Embodied AI Agents through Perception-Generation Disaggregation and Asynchronous Pipeline Execution},
author = {Shulai Zhang and Ao Xu and Quan Chen and Han Zhao and Weihao Cui and Ningxin Zheng and Haibin Lin and Xin Liu and Minyi Guo},
journal= {arXiv preprint arXiv:2509.09560},
year = {2025}
}