# 赵行提出具身智能时钟分层理论及流式VLA提速方案

> 原文链接：https://robotics.hellobike.com/news/2026-11-12-corl-2026
> 频道：news | 更新日期：2026-11-12 | 标签：auto, rss, leiphone
> 核心摘要：CoRL 2026青年成就奖得主赵行指出大模型直控机器人因推理延迟导致成功率暴跌，提出以时钟频率定义System 0/1/2层级架构。团队发布Fast-WAM、G0.5及ActionCodec2三项技术，实现动作生成提速4倍与流式执行，解决慢思考与快控制的协同难题。

# 赵行提出具身智能时钟分层理论及流式VLA提速方案

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[CoRL 2026 青年最高荣誉唯一华人得主清华赵行：「世界不会等模型」](https://www.leiphone.com/category/private/zLDQiemmN9KxgnVW.html)（雷峰网）

## 核心内容

清华大学助理教授、星海图CTO赵行在CoRL 2026发表Early Career Keynote，成为该奖项唯一华人得主。针对GPT-6 Astra等前沿模型在RoboLab-120基准测试中虽达66%成功率但单次调用耗时18秒的问题，他在RoboCasa仿真中验证：受真实时钟限制时，直接策略与智能体策略成功率分别从60%以上跌至15%和20%。赵行据此提出“时钟定义层级”理论，主张将具身系统按时间尺度划分为几百赫兹的System 0、几十赫兹的System 1及秒级System 2，通过分层解耦解决大模型落地机器人的实时性瓶颈。

为支撑分层架构，赵行团队推出三项核心技术：Fast-WAM世界动作模型通过共享权重与混合Transformer架构，在RTX 5090D上将16B参数模型动作生成耗时降至60毫秒，提速超4倍；自研VLA模型G0.5将任务、边界框与轨迹统一为离散token流，支持按需开关推理，跳过推理时速度翻倍且90%任务成功率不变；ActionCodec2采用流式动作tokenizer替代传统分块解码，使机械臂能逐token实时响应动态目标。此外，其DriveVLM-Dual快慢双系统已在理想汽车超40万辆量产车上验证了分层架构的工程可行性。

## 关键看点

- **时钟分层理论**：按响应频率划分System 0/1/2层级，解决大模型18秒推理延迟导致的直控失败问题
- **Fast-WAM模型**：16B参数世界动作模型在RTX 5090D上单动作生成仅需60ms，提速4倍以上
- **G0.5 VLA架构**：统一离散token流支持推理开关，跳过推理速度翻倍且90%任务成功率持平
- **ActionCodec2**：流式动作tokenizer替代分块解码，实现逐token实时执行与动态目标精准追踪

## 工程与产业观察

赵行的时钟分层理论为具身智能提供了从“模型能力”转向“系统工程”的关键范式。Fast-WAM与流式VLA证明了在不牺牲泛化性的前提下，通过架构创新可将大模型推理压缩至60ms级实时控制区间。这对解决当前VLA模型“懂但慢”的产业痛点具有直接参考价值，标志着具身算法研发正从单纯追求Benchmark分数转向构建可部署的分层实时系统。
:::

## 原始参考来源 (Sources)

- [雷峰网：CoRL 2026 青年最高荣誉唯一华人得主清华赵行：「世界不会等模型」](https://www.leiphone.com/category/private/zLDQiemmN9KxgnVW.html)