Skip to content

新闻雷峰网10 天前

赵行提出具身智能时钟分层理论及流式VLA提速方案 ​

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」(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。

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. 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」 ↗访问 2026-11-12