ChunkAct 用动作分块降低智能体机器人 LLM 调用量

Bingxin Xu 等研究者提出 ChunkAct，将动作分块引入智能体机器人：在线阶段一次 LLM 调用启动一串链式原语，自主执行、仅在失败时返回控制权；离线阶段把记忆编译成这些块，使测试时执行无需记忆，LLM 计算量随决策数而非原语数增长。 论文称，在 LIBERO-Pro 基准上，ChunkAct 相比智能体机器人领域现有最好方法任务成功率提高 5.0 个百分点，同时 LLM 调用次数减少 2.9 倍、输入 token 减少 4.4 倍、输出 token 减少 2.3 倍。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。