LLM增强的快速反射异步反思具象化智能体：用于动态变化环境中的实时决策
人工智能
2025-06-10 v1
摘要
在具象化智能领域，大语言模型（LLM）的演进显著提升了智能体的决策能力。因此，研究人员开始探索智能体在动态变化高风险场景中的表现，即火灾、洪水和风灾场景，这些场景在HAZARD基准中。在这些极端条件下，决策延迟是一个至关重要且尚未得到充分研究的问题。我们提出了时间转换机制（TCM），将决策中的推理延迟转换为等效的仿真帧，从而在基于帧率的度量标准下对齐认知和物理成本。通过扩展HAZARD引入响应延迟（RL）和延迟到行动比率（LAR），我们提供了完整的面向延迟的评估协议。此外，我们提出了快速反射异步反思智能体（RRARA），该智能体将轻量级LLM引导的反馈模块与基于规则的智能体耦合，以实现即时反应行为和现场异步反思性改进。HAZARD上的实验表明，RRARA在延迟敏感场景中显著优于现有基线。
引用
@article{arxiv.2506.07223,
title = {LLM-Enhanced Rapid-Reflex Async-Reflect Embodied Agent for Real-Time Decision-Making in Dynamically Changing Environments},
author = {Yangqing Zheng and Shunqi Mao and Dingxin Zhang and Weidong Cai},
journal= {arXiv preprint arXiv:2506.07223},
year = {2025}
}
备注
Accepted by the CVPR 2025 Embodied AI Workshop