KI SpotlightNewsREA: Preprint koppelt Foundation-Modell, Router und reaktive Policies asynchron
Route Memory und Judge-Gate sollen Dauerabfragen des Gehirns ersetzen. Die Dreistufigkeit ist nicht neu. Die Leistungsangaben kommen im vorliegenden Auszug ohne Zahlen aus.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- REA ist ein arXiv-Preprint mit Projektseite und Korrespondenz bei infrec.tech und der NUS.
- REA besteht aus einem deliberativen System 2, einem Embodied Router als System 1 und System-0-Policies.
- Eine Route Memory speichert vorab die gemessene Erfolgsrate jeder Policy.
- Die Autoren nennen inkompatible Stacks und schwierige asynchrone Koordination als zwei Hindernisse.
- Vergleichbare Architekturen sind Figure Helix, Gemini Robotics 1.5 und NVIDIA GR00T N1.
REA koppelt Foundation-Modell, Router und reaktive Policies asynchron
Ein neues arXiv-Preprint stellt ein Laufzeitsystem für verkörperte Agenten vor: „REA: A Routed Embodied Agent Runtime for Asynchronous Brain-Cerebellum Control“. Das Kürzel steht für Routed Embodied Agent. Drei Ebenen greifen ineinander. System 2 ist ein deliberatives Foundation-Modell, das „Gehirn“. System 1 bildet der Embodied Router. System 0 umfasst schnelle, reaktive Policies wie VLAs und Ganzkörper-Controller, das „Kleinhirn“. Die Ebenen laufen asynchron. Die Grundregel lautet: Keine laufende Policy wartet auf das Gehirn.
Als Korrespondenzadressen nennt das Paper infrec.tech und die National University of Singapore (NUS). Eine Projektseite liegt unter mikeeeeeeeeeeeeee.github.io/REA.
Route Memory und Judge-Gate sollen Dauerabfragen des Gehirns ersetzen
Die Autoren nennen zwei Hindernisse für die Kopplung von Gehirn und Kleinhirn. Erstens würden Methoden auf inkompatiblen Stacks gebaut und bewertet. Zweitens sei die asynchrone Koordination schwierig. Ein Beispiel: Ruft der Agent die VLA innerhalb seiner Schleife auf, kann er die schnelle Ausführung blockieren. Umgekehrt gilt: Eine VLA, die bei Fehlern den Agenten ruft, löst Fallbacks womöglich wiederholt aus oder übersieht stille Fehler ganz.
Laut Abstract verzichtet REA darauf, das Gehirn bei jedem Fehler zu befragen. Stattdessen speichert eine Route Memory die gemessene Erfolgsrate jeder Policy vorab. Ein Judge-Gate prüft an Ausführungsgrenzen und konsultiert dann das Gehirn zur Policy-Ausführung. Außerdem nennt das Abstract einen Shared-Budget-Mechanismus. Der vorliegende Text bricht an dieser Stelle ab. Wie dieser Mechanismus arbeitet, lässt sich daher nicht sagen.
Dreistufige Architekturen gibt es bereits bei Helix, Gemini Robotics und GR00T
Die Aufteilung in ein langsames, großes und ein schnelles, kleines Modell ist nicht neu. Sekundärquellen beschreiben sie als in der Branche etabliert. Figure Helix läuft mit System 2 bei 7 bis 9 Hz und mit System 1 bei 200 Hz. Helix 02 ergänzt eine dritte Ebene mit 1.000 Hz. Gemini Robotics 1.5 trennt den Orchestrator ER 1.5 vom VLA-Executor. NVIDIA GR00T N1 folgt demselben Prinzip.
Neu ist laut Abstract die einheitliche Laufzeitschicht mit Routing, die das Gehirn nicht bei jedem Fehler abfragt. Ob die Neuheit eher im Routing oder in der Laufzeit liegt, lässt sich mit dem vorliegenden Material nicht belegen.
Hohe Erfolgsraten bleiben Herstellerangabe ohne Zahlen
Nach Angaben der Autoren erreiche REA hohe Erfolgsraten bei geringerem Steuerungsaufwand, in simulierten wie in realen Roboteraufgaben. Der vorliegende Auszug enthält dazu keine Zahlen, keine Baselines und keine Angaben zu den Durchläufen. Prüfbar wird die Aussage erst am Volltext und am Code auf der Projektseite. Gewinner oder Verlierer gegenüber anderen Ansätzen lassen sich daraus nicht ableiten.
