REA: un runtime per agenti incarnati con instradamento, per il controllo asincrono cervello-cervelletto

Abstract degli autori

I modelli fondazionali stanno diventando notevolmente affidabili nel ragionamento di alto livello, ma sono ancora troppo lenti e costosi per fungere da controllori a grana fine. Al contrario, le policy rapide, come le VLA e i controllori dell’intero corpo, offrono riflessi più efficienti, ma faticano a generalizzare. Sebbene abbinare un cervello deliberativo (modelli fondazionali) a un cervelletto reattivo (policy rapide) sembri naturale per i sistemi incarnati, restano due ostacoli: i metodi vengono sviluppati e valutati su stack incompatibili e il loro coordinamento asincrono è difficile. Per esempio, un agente che richiama la VLA nel loop agentico può bloccare l’esecuzione rapida, mentre una VLA che richiama l’agente in caso di errori tende a riattivare ripetutamente i meccanismi di fallback o a non rilevare del tutto i guasti silenziosi. Per affrontare il problema, proponiamo REA (Routed Embodied Agent), un runtime unificato in cui un System 2 deliberativo, un System 1 incarnato che instrada le richieste e le policy reattive di System 0 cooperano secondo un’unica regola aurea: nessuna policy in esecuzione attende il cervello. Invece di interrogare il cervello a ogni guasto, REA usa una memoria dei percorsi che archivia in anticipo il successo misurato di ciascuna policy, un gate di valutazione attivato ai confini dell’esecuzione delle policy, che consulta il cervello, e una scala di escalation con budget condiviso per un recupero entro limiti definiti. Valutato su 3.000 episodi di test distribuiti su 60 task LIBERO-Pro, REA raggiunge un tasso di successo del 95,9% e supera la migliore baseline con agente singolo nel proprio pool di policy (94,7%), riducendo al contempo del 25% i passi di controllo e del 17% il tempo di controllo. In uno studio separato su 100 episodi di RoboTwin 2.0, REA raggiunge un tasso di successo dell’84% con le policy VLA e dell’86% con VLA+code, contro l’80% della più forte baseline basata su una singola VLA, MEDex. Questi risultati dimostrano che policy apprese e programmatiche possono operare nello stesso runtime. REA si trasferisce inoltre a BEHAVIOR-1K e a un umanoide Unitree G1 reale, raggiungendo il più alto tasso di successo osservato tra i metodi confrontati.