ChunkAct：面向智能体机器人技术的动作分块

智能体机器人技术将大语言模型（LLM）智能体置于机器人控制回路中，使其在记忆的指导下组合感知、运动和视觉-语言-动作（VLA）工具，从而无需重新训练即可泛化到新任务。然而，这种通用性以高昂的效率代价为前提。每个原语都需要 LLM 基于完整交互历史进行一轮推理，因此单次任务执行的成本随原语数量增加而增长。我们发现，这些推理大多是冗余的：一旦选定子目标，其原语就会遵循记忆中已规定的常规流程。我们提出了 ChunkAct，将动作分块引入智能体机器人技术。在线运行时，一次调用即可启动一个由多个原语串联而成的动作块，该动作块自主执行，仅在失败时交回控制权。离线阶段，ChunkAct 将记忆编译为这些动作块，因此测试时的执行无需依赖记忆，规划器仅用于需要推理的决策。由此，LLM 的计算量随决策数量而非原语数量增长。在 LIBERO-Pro 上，ChunkAct 的任务成功率较智能体机器人技术领域的最先进方法提升了 5.0 个百分点，同时所需的 LLM 调用次数、输入词元数和输出词元数分别降至其约 1/2.9、1/4.4 和 1/2.3。