1. 论文基本信息

1.1. 标题

Real-Time Execution of Action Chunking Flow Policies（实时执行动作分块的流匹配策略）

1.2. 作者

• Kevin Black（Physical Intelligence；UC Berkeley）

• Manuel Y. Galliker（Physical Intelligence）

• Sergey Levine（Physical Intelligence；UC Berkeley）

  背景与机构：Physical Intelligence 是从事通用机器人学习与控制的研究机构；Sergey Levine 为强化学习与机器人学习领域的知名学者，长期从事模型学习、离线强化学习与模仿学习等研究。

1.3. 发表期刊/会议

• arXiv 预印本（原文链接显示为 arXiv:2506.07339）

  在机器人学习与机器学习领域，arXiv 是前沿研究的主要发布渠道之一，通常后续会提交至顶级会议（如 NeurIPS、ICLR、ICRA、RSS 等）。

1.4. 发表年份

• 2025 年

1.5. 摘要（精要）

论文针对大规模视觉–语言–行动模型（VLA, Vision-Language-Action Models）在物理世界实时控制中的推理延迟问题，提出一种仅在推理阶段使用、无需重新训练的新算法：实时分块（RTC, Real-Time Chunking）。该方法在执行当前动作分块的同时异步生成下一个分块，并将不可避免会执行的前缀动作“冻结”、对其余部分进行“修复补全（inpainting）”，以保持跨分块的连续性与一致性。方法在 Kinetix 模拟器的 12 个动态任务和 6 个真实双臂操控任务上验证，显示在显著推理延迟下仍能保持平滑与稳定，并显著提升吞吐效率与高精度任务（如点燃火柴）的成功率。

下图（原文 Figure 1）是方法在真实点燃火柴任务中的示意与效果比较：

该图像是示意图，展示了实时分块（RTC）在点燃火柴任务中的应用。在右侧，机器人在超过300毫秒的推理延迟下成功点燃火柴。下方的图表显示了肩关节在此过程中的位置、速度和加速度变化情况。实时分块显著提升了任务的流畅性和速度。

1.6. 原文与 PDF 链接

• 原文链接: https://arxiv.org/abs/2506.07339

• PDF 链接: https://arxiv.org/pdf/2506.07339v2.pdf

  状态：arXiv 预印本。

2. 整体概括

2.1. 研究背景与动机

• 背景：随着通用大模型向物理世界扩展（如 VLA 控制真实机器人），实时性成为关键要求。与纯对话生成不同，实体机器人在“思考”期间世界仍在演化，延迟将导致性能下降甚至危险。
• 动机：当前的“动作分块（Action Chunking）”策略（模型一次输出未来多个动作，执行其前几步）虽能提升时间一致性，但不能根治延迟问题：当推理耗时超过控制周期，默认“同步推理”会造成停顿；而异步切换分块又会产生“跨分块不连续（mode jump）”与“离分布（out-of-distribution）”的激烈加速度与抖动。
• 空白（Gap）：既要在异步推理中保持连续平滑，又要及时融入新观测，是现有方法的难点。已有平滑策略（如时间集成 Temporal Ensembling）对多模态控制分布并不适配，平均动作可能无效（如越障路径被平均后失效）。

2.2. 核心贡献/主要发现

• 方法贡献：提出 RTC，将异步动作分块生成形式化为“修复补全（inpainting）”问题。通过在推理阶段对“重叠时间步”施加软掩膜引导（soft masking guidance），冻结必然执行的前缀，逐步修复后续动作，确保跨分块策略连续与兼容。
• 适用范围：适用于任意扩散（Diffusion）或流匹配（Flow Matching）类策略，无需训练改动，开箱可用。
• 实验结论：
  • 在 Kinetix 动态任务基准中，RTC 在不同延迟与执行地平线（Execution Horizon）设定下均优于强基线，包括 Bidirectional Decoding（BID）与 Temporal Ensembling（TE）。
  • 在 6 个真实双臂任务（含移动操控）中，RTC 显著提升平均吞吐率；在高精度任务如点燃火柴中，成功率与完成速度明显优于同步推理。
  • 在注入额外延迟（+100ms/+200ms）下，RTC 保持鲁棒性，而同步与 TE 出现退化或无法运行（触发机器人保护停机）。

3. 预备知识与相关工作

3.1. 基础概念

• 动作分块（Action Chunking）：策略（policy）每次输出一段未来动作序列（预测地平线 H），实际只执行前 s 步（执行地平线 s）。优点是时序一致性；缺点是对外界新信息反应迟缓，且分块衔接处易产生不连续。
• 视觉–语言–行动模型（VLA, Vision-Language-Action）：以视觉、语言输入为条件输出机器人动作的通用大模型。通常参数规模大、推理开销高，易出现延迟。
• 流匹配（Flow Matching）：一种生成建模方法，学习一个速度场（velocity field）以迭代地从噪声移动到样本。与扩散模型同宗同源（两者可相互转换）。
• 修复补全（Inpainting）：在生成任务中，给定部分已知或“冻结”的内容，对剩余区域进行一致性补全。本文将其类比到时间序列的动作生成。
• 推理延迟（Inference Delay）：模型生成下一分块所需时间以控制周期步数计的延迟 d；当 d > 0 时，异步执行与连续性保障成为核心挑战。

3.2. 前人工作（关键脉络）

• 动作分块的多种实现：变分推断、扩散/流匹配、向量量化、字节对编码等。VLA 扩展到大规模模型后，在开放世界操控中展现强泛化。
• 降低延迟的方向：一致性蒸馏、流直化、并行解码、渐进蒸馏等，但均无法将单次前向开销降到低于控制周期，只要前向推理超时，仍需异步执行策略。
• 图像修复补全与引导（Guidance）：训练外的引导（如伪逆引导 IGDM）已用于图像逆问题与修复补全。本文将类似思想引入动作时序生成，并针对低步数控制场景进行必要的稳定化改动（如引导权重裁剪）。
• 闭环重采样（BID）：通过拒绝采样保持跨分块连续，计算开销较大，且在本文动态基准上不如 RTC。
• 实时控制与 MPC：在手工模型与代价函数驱动的场景中，MPC 可并行计算与执行，并用上个计划热启动。本文关注的则是模型自由（model-free）的模仿学习策略与开放世界操控。

3.3. 技术演进与差异化分析

• 传统“同步推理”在 d > 0 时产生停顿，破坏动力学一致性；“天真异步”在分块切换处产生不连续与离分布动作。
• 本文 RTC 的关键差异：

  • 以“时间修复补全”为核心范式：冻结必将执行的重叠前缀，用软掩膜在整个重叠区施加递减引导，兼顾新观测融入与跨分块策略一致性。

  • 引导权重裁剪与低步数稳定：针对控制场景常用的少量迭代步（如 n=5），通过裁剪引导强度，避免生成发散与剧烈加速度。

    下图（原文 Figure 2）展示了异步切换时的“策略分叉”问题：

    该图像是示意图，展示了在连续动作块之间的典型分叉情况。图中描绘了两个动作序列：执行中的动作块 $\left\{ a_t \right\}$（黑色）计划通过障碍物，而新生成的动作块 $\left\{ a_t' \right\}$（红色）则选择绕过障碍物。推理在时间步 3 和 4 之间开始，但新动作块的执行需要延迟 $d=7$ 步。图中还提到，简单的异步算法可能会导致高加速度，而时间集成方法虽然减小了加速度，但效果不佳。

4. 方法论

4.1. 方法原理与直觉

核心思想：在异步推理中，下一分块生成时，上一个分块的前若干步已不可更改（它们会在新分块可用前被执行），因此将这些“重叠的、必然执行的动作”作为约束前缀冻结，并对后续动作进行“修复补全（inpainting）”。为了增强跨分块连续性，不仅对最前 d 步施加硬约束，还对全部重叠区（长度为 H - s）施加软权重引导，权重从前缀到分块末端指数衰减，体现“越未来越不确定”的理性。

4.2. 流匹配生成与引导修复补全（融合讲解）

4.2.1. 流匹配的基本生成更新

生成一个动作分块（长度 H）时，从高斯噪声出发，迭代应用速度场积分（n 步）： $$\mathbf{A}_{t}^{\tau + \frac{1}{n}} = \mathbf{A}_{t}^{\tau} + \frac{1}{n}\,\mathbf{v}_{\pi}(\mathbf{A}_{t}^{\tau}, \mathbf{o}_{t}, \tau).$$

• 符号解释：

  • $\mathbf{A}_{t}$：在控制时刻 $t$ 的动作分块（包含未来 $H$ 个动作）。

  • $\tau \in [0,1)$：流匹配的“时间”参数（不是物理时间），递进表示去噪进度。

  • $n$：迭代去噪步数。

  • $\mathbf{v}_{\pi}$：策略的速度场（可由神经网络实现），输入当前估计的动作分块、观测 $\mathbf{o}_{t}$、以及进度 $\tau$。

    直觉：这是“从噪声到样本”的迭代路径，速度场将当前估计推向符合数据分布的动作分块。

4.2.2. 训练外修复补全引导（IGDM 伪逆引导）的适配

为使最终生成与“冻结前缀 + 软引导重叠区”一致，在每步迭代中对速度场加入引导修正。原文给出训练外（training-free）修复补全算法（基于伪逆引导 IGDM），其在本文场景的专用表达为： $$\begin{aligned} \mathbf{v}_{\mathrm{IIGDM}}(\mathbf{A}_{t}^{\tau}, \mathbf{o}_{t}, \tau) &= \mathbf{v}(\mathbf{A}_{t}^{\tau}, \mathbf{o}_{t}, \tau) + \min\!\left(\beta, \frac{1-\tau}{\tau \cdot r_{\tau}^{2}}\right) \left(\mathbf{Y} - \widehat{\mathbf{A}_{t}^{1}}\right)^{\top}\mathrm{diag}(\mathbf{W}) \cdot \frac{\partial \widehat{\mathbf{A}_{t}^{1}}}{\partial \mathbf{A}_{t}^{\tau}},\\ \widehat{\mathbf{A}_{t}^{1}} &= \mathbf{A}_{t}^{\tau} + (1-\tau)\,\mathbf{v}(\mathbf{A}_{t}^{\tau}, \mathbf{o}_{t}, \tau),\\ r_{\tau}^{2} &= \frac{(1-\tau)^{2}}{\tau^{2} + (1-\tau)^{2}}. \end{aligned}$$

• 符号解释与步骤融合：

  • $\mathbf{v}$：基础速度场（不含引导）。

  • $\beta$：引导权重的裁剪上限，用于稳定低步数去噪时的引导强度（防止 $\tau\to 0$ 时发散）。

  • $\mathbf{Y}$：目标向量（相当于“被遮蔽/冻结约束后的目标分块”）。

  • $\mathbf{W}$：软掩膜权重（见 4.2.3），通过对角矩阵 $\mathrm{diag}(\mathbf{W})$ 作用到误差项上。

  • $\widehat{\mathbf{A}_{t}^{1}}$：从当前估计 $\mathbf{A}_{t}^{\tau}$ 出发的一步前瞻估计（“最终去噪态”的线性近似）。

  • $\frac{\partial \widehat{\mathbf{A}_{t}^{1}}}{\partial \mathbf{A}_{t}^{\tau}}$：该近似对当前估计的雅可比，用于构建向量–雅可比积（VJP），可通过反向自动微分获得。

  • $\min\!\left(\beta, \frac{1-\tau}{\tau \cdot r_{\tau}^{2}}\right)$：引导强度，加入 $\beta$ 裁剪以避免首步过强引导导致不稳定。

    实现要点：

• 在每个迭代步，将速度场替换为 $\mathbf{v}_{\mathrm{IIGDM}}$，其中包含误差引导项（冻结与重叠区的“匹配”误差）与其对当前生成的敏感度（雅可比）。
• 误差项采用软权重加权，增强跨分块策略的延续性。

4.2.3. 软掩膜权重（Soft Masking）的设计

为增强跨分块连续性，本文不只对不可更改的前 $d$ 步使用硬掩膜（权重=1），而是对整个重叠区（长度 H-s）使用随时间指数衰减的软权重： $$\mathbf{W}_{i} = \begin{cases} 1, & \text{若 } i<d,\\[4pt] c_{i}\,\dfrac{e^{c_{i}} - 1}{e - 1}, & \text{若 } d \le i < H - s,\\[6pt] 0, & \text{若 } i \ge H - s, \end{cases} \quad c_{i} = \dfrac{H - s - i}{H - s - d + 1},\quad i \in \{0,\ldots,H-1\}.$$

• 符号解释：

  • $i$：分块中的时间步索引。

  • $d$：推理延迟对应的冻结前缀长度（新分块可用前将被执行的步数）。

  • $s$：执行地平线（本分块计划执行的步数）。

  • $H$：预测地平线（分块长度）。

  • $c_i$：从重叠区末端向前归一化的位置系数，确保指数衰减从 1 平滑降至 0。

    直觉：软权重让“越近的重叠动作”被更强关注，从而新分块更可能延续前分块的策略模式；而“越远的重叠动作”权重更低，允许更多地融合新的观测与自适应修正。

下图（原文 Figure 3）说明了冻结区、软掩膜重叠区与新生成区的分布与引导权重：

该图像是示意图，展示了实时行动分块流策略的推理过程。在图中，横轴表示推理的开始与执行的时间段，包含多个动作 $a_{-5}$ 到 $a_{15}$。纵轴展示了引导权重的变化，从1降到0，表示不同区域的动作执行状态：执行的动作、冻结的动作以及需要新生成的动作区域。图中还标注了执行地平线、推理延迟等重要参数，说明了实时分块算法的执行机制。

下图（原文 Figure 4）比较硬掩膜与软掩膜：硬掩膜导致对冻结区匹配较差，方向变化更猛；软掩膜更平滑、更一致。

该图像是一个图表，展示了硬掩膜和软掩膜方法的性能比较。图中蓝色曲线代表硬掩膜，绿色曲线代表软掩膜，黑色曲线表示之前的动作块。通过对比可以观察到，硬掩膜在与冻结区域匹配上表现不佳，并且在方向变化上速度较快。

4.3. 实时分块系统（Algorithm 1）

算法由两个协作线程构成：

• 控制线程：周期性（每 $\Delta t$）取动作并提供新观测（GETACTION）。

• 后台推理线程：异步生成新分块（INFERENCELOOP），估计并保守设置下一次延迟 d，计算执行地平线 s，并调用带引导的去噪函数（GUIDEDINFERENCE）。

  以下是原文 Algorithm 1 的完整结构化伪代码（含合并单元格，使用 HTML 以保真转录）：

  Algorithm 1 Real-Time Chunking
  Require: flow policy π with prediction horizon H, minimum execution horizon smin, mutex ℳ, condition variable ℂ associated with ℳ, initial chunk Ainit, initial delay estimate dinit, delay buffer size b, number of denoising steps n, maximum guidance weight β
  1: procedure INITIALIZESHAREDSTATE Initialize mutex-protected shared variables
  2: t = 0; Acur = Ainit, ocur = null
  3: function GETACTION(onext) Called at an interval of Δt by controller
  4:	with ℳ acquired do
  5:	t = t + 1
  6:	ocur = onext
  7:	notify ℂ
  8:	return Acur[t − 1]
  9: procedure INFERENCELOOP		Run inference in a looping background thread
  10:	acquire ℳ
  11:	Q = new Queue([dinit], maxlen=b)	Holds a limited buffer of past inference delays
  12:	loop
  13:	wait on ℂ until t ≥ smin
  14:	s = t   (s is the number of actions executed since last inference started)
  15:	Aprev = Acur[s, s + 1, ..., H − 1]   (Remove the s actions that have already been executed)
  16:		o = ocur
  17:	d = max(Q)   (Estimate the next inference delay conservatively)
  18:	with ℳ released do
  19:	Anew = GUIDEDINFERENCE(π, o, Aprev, d, s)
  20:	Acur = Anew   (Swap to the new chunk as soon as it is available)
  21:	t = t − s   (Reset t so that it indexes into Anew)
  22:	enqueue d onto Q   (Record the observed delay)
  23:	function GUIDEDINFERENCE(π, o, Aprev, d, s)
  24:	compute W using Eq. 5; right-pad Aprev to length H; initialize A0 ~ 𝒩(0, I)
  25:	for τ = 0 to 1 with step size 1/n do
  26:	fA1(A′) = A′ + (1 − τ) vπ(A′, o, τ)   (Define denoising function)
  27:	e = (Aprev − fA1(Aτ)) · diag(W)   (Weighted error term)
  28:	g = e · ∂fA1/∂A′ |A′=Aτ   (Vector–Jacobian product via autodiff)
  29:	Aτ + 1/n = Aτ + (1/n) [ vπ(Aτ, o, τ) + min(β, (1−τ)/(τ rτ2)) g ]   (Integration step)
  30:	return A1

注意：上述表格对原文中的对齐/合并单元进行了忠实还原；具体实现中，GUIDEDINFERENCE 的核心即将 4.2.2 的引导项作为速度场修正，并在每步迭代计算向量–雅可比积。

5. 实验设置

5.1. 数据集与任务

• 模拟基准（Kinetix 动态任务）：
  • 12 个高度动态、随机性强的操控/运动任务（含抛掷、接触、平衡等），其中 10 个来源于 Kinetix，2 个为新增环境。
  • 使用 RPO（Robust Policy Optimization）训练专家策略（每环境 6 个不同种子），再生成 100 万转换的数据集用于模仿学习。
  • 模仿策略采用流匹配，预测地平线 $H=8$，4 层 MLP-Mixer 结构，训练 32 epoch。
  • 为模拟不完美执行，向动作注入高斯噪声；每个数据点报告二元成功率，2048 次推演（rollout）统计；延迟从 0 到 4（由 $H=8$ 限制）。
• 真实世界任务（双臂系统，位置控制）：
  • 基础策略：$\pi_{0.5}$（VLA），$H=50$，$\Delta t=20\mathrm{ms}$，$n=5$ 去噪步，模型延迟 76ms（基线）与 97ms（RTC）。
  • 局域网远程推理增加 10–20ms 网络延迟，初始 $d\approx 6$；同时注入 +100ms 与 +200ms 以测试更严重延迟（对应 $d\approx 11$ 与 $d\approx 16$）。
  • 6 个任务：点燃蜡烛（5 步，40s）；插网线（6 步，120s）；移动操控床铺整理（3 步，200s）；折叠 T 恤（1 步，300s）；批量折衣（4 步，300s）；移动操控“把餐具送入水槽”（8 步，300s）。
  • 各任务 10 次试验，共 480 次推演，总计约 28 小时机器人运行；记录每步完成时间与最终评分（完成步数）。

5.2. 评估指标（定义–公式–符号）

• 二元成功率（Binary Success Rate）：
  • 概念：衡量任务是否成功完成（成功=1，失败=0），取平均。
  • 公式： $$\mathrm{SuccessRate} = \frac{1}{N}\sum_{i=1}^{N}\mathbb{1}\{\text{episode } i \text{ success}\}.$$
  • 符号解释：$N$ 为试验次数；$\mathbb{1}\{\cdot\}$ 为指示函数（成功为 1，失败为 0）。
• 累积进展（Cumulative Progress）：
  • 概念：按任务分步结构统计随时间完成的步数累计曲线。
  • 形式：不需公式化，依据记录的“完成第 k 步”时间戳累积可视化。
• 平均吞吐率（Average Throughput）：
  • 概念：同时衡量速度与性能，定义为“任务完成比例 / 试验时长”的平均值。
  • 公式（按 episode $i$）： $$\mathrm{Throughput}_{i} = \frac{\text{Progress}_{i}}{\text{Duration}_{i}},\quad \overline{\mathrm{Throughput}} = \frac{1}{N}\sum_{i=1}^{N}\mathrm{Throughput}_{i}.$$
  • 符号解释：$\text{Progress}_{i}$ 为 episode $i$ 完成的任务比例（已完成步数/总步数）；$\text{Duration}_{i}$ 为该 episode 的总时长；$N$ 为试验总数。误差棒为均值的标准误（SEM）。

5.3. 对比基线

• 模拟基准：
  • 天真异步（Naive Async）：不利用上一分块，直接在新分块可用时切换。
  • BID（Bidirectional Decoding）：闭环拒绝采样保持连续性，本文设批量 $N=32$、模式大小 $K=3$，弱策略用 8 epoch 检查点。
  • TE（Temporal Ensembling）：对重叠分块预测的同一步动作进行平均。
• 真实世界：
  • 同步（Synchronous）：执行 $s=25$ 步后暂停等待下一分块（默认策略）。
  • TE, sparse：执行 $s=25$ 步，同时并行生成下一个分块；对有限重叠步进行集成平均。
  • TE, dense：尽可能频繁推理，令 $s=d$，确保至少两段重叠可用于集成。

6. 实验结果与分析

6.1. 核心结果分析（模拟）

下图（原文 Figure 5）展示了在 Kinetix 动态任务上的表现对比（左：执行地平线与成功率；右：延迟与成功率）：

该图像是一个示意图，展示了在不同执行时间和推理延迟下的解决率表现。左上方为动态任务的环境示例，右侧展示了不同环境下的解决率曲线。结果显示RTC（红色线）在各种推理延迟下均优于其他比较方法。

关键结论：

• TE 在多模态控制分布上表现不佳，即便 $d=0$，平均动作并不必然有效。
• RTC 在不同延迟下最稳健，优于 BID；随着延迟增大，该优势进一步扩大。需强调 BID 计算代价更高（批采样 64 个分块），而 RTC 通过引导修复实现连续。
• 软掩膜优于硬掩膜，尤其在延迟较小时更明显，证明软权重能增强策略延续性。
• RTC 随执行地平线减小（更频繁闭环修正）表现更好，能充分利用新观测及时纠错，体现跨分块连续性带来的自适应优势。

6.2. 核心结果分析（真实世界）

下图（原文 Figure 6）总结了各任务的累积进展（上）与跨延迟的平均吞吐率（下）：

该图像是一个图表，展示了不同方法在多个任务中的累积进展和平均吞吐量。上部显示了每个任务在控制步骤与时间的关系，下部则比较了在不同延迟情况下各方法的表现，包含 $+0 ext{ms}$、$+100 ext{ms}$ 和 $+200 ext{ms}$。

关键结论：

• RTC 在所有延迟下的平均吞吐率均最高；在 +100ms 与 +200ms 延迟下优势具有统计显著性。
• RTC 对注入延迟完全鲁棒：吞吐不降；同步策略线性退化；两种 TE 在高延迟下因引发强烈振荡而无法运行（触发保护停机）。
• 逐任务分析：RTC 不仅提升速度，还减少错误与重试。在去除推理暂停的时间尺度上，RTC完成更多步骤（更少犯错、更早完成）。在高精度任务（点燃蜡烛）上，RTC 的最终得分明显更高，反映了成功率提升。

6.3. 消融与参数分析

下图（原文 Figure 7）分析引导裁剪参数 $\beta$ 与迭代步数对稳定性的影响：

该图像是图表，展示了与实时动作分块策略相关的多个关键性能指标。上方左图显示了值与参数 $\tau$ 的关系，表明其在一定范围内的变化。右侧图表描绘了解决率与参数 $\beta$ 的关系，并根据延迟的不同进行了分组。下方左图反映了步骤与辐角的变化，强调了先前分块与不同步数的比较。右侧则展示了最大加速度相对于 $\beta$ 的变化趋势，说明了加速度的增长。

• 结论：在控制常用的少步数（如 $n=5$）下，过高的引导权重会导致生成发散与高加速度；设置 $\beta=5$ 的保守裁剪即可获得稳定与良好效果。

  下图（原文 Figure 8 左）对软掩膜指数/线性/无衰减进行消融：

  该图像是一个比较不同调度策略对解决率影响的图表，其中展示了在不同推理延迟下使用指数衰减、线性衰减和无衰减策略的解决率变化。图中显示了各个任务（如 car_launch 和 cartpole_thrust）的解决率，平均解决率位于底部，突显了不同策略在效率上的差异。

• 结论：指数衰减整体最优，线性次之；无衰减明显不如前两者。指数衰减能更好体现“越近越确定、越远越不确定”的时间结构。

  此外，原文还将 Diffuser 的修复补全（右图）与本文引导法比较，发现简单“覆盖部分动作”的方法在本文场景下不如引导驱动的软掩膜修复。

6.4. 表格数据（完整转录）

以下是原文 Table 1 的结果（不同方法在 $\pi_{0.5}$ 上的模型推理延迟；仅包含神经网络推理、bfloat16 精度，RTX 4090，n=5，每 10 次试验均值，5 次热身后统计）：

以下是原文 Table 2 的结果（RTC 总延迟分解；“图像缩放”在机器人侧 CPU；移动操控为 Intel i7-1260P；非移动为 AMD Ryzen 9 7950X；模型推理在 RTX 4090；LAN 有线；WebSocket）：

以下是原文 Table 3 的结果（模型推理延迟分解；RTX 4090；RTC 每步去噪开销约为原始的 2.5 倍）：

以下是原文 Table 4 的结果（RTC 超参数）：

7. 总结与思考

7.1. 结论总结

• 本文提出了实时分块（RTC）这一推理期算法，将异步动作分块生成转化为修复补全问题，通过对重叠区的软掩膜引导与冻结前缀一致性约束，实现跨分块的平滑连续。
• RTC 无需重训练，适用于扩散/流匹配类策略，且在模拟与真实场景均验证了显著优势：在延迟存在时保持稳定与高效，提升平均吞吐，减少振荡与停顿，特别适合精细操控任务。
• 软掩膜与引导权重裁剪是控制场景少步数去噪时的关键设计，确保生成稳定与连续。

7.2. 局限性与未来工作

• 局限性：
  • 计算开销高于直接采样（需每步计算引导与向量–雅可比积），相较于 Vanilla 策略有额外 20ms 左右的模型推理时延。
  • 仅适用于扩散/流匹配类策略。
  • 真实实验主要为操控任务，尚未覆盖如腿式运动等更高动态实物任务。
• 未来工作：
  • 将 RTC 拓展到更为动态的真实平台（如腿式机器人），进一步检验高频闭环控制中的优势。
  • 探索与层级 VLA（System 2/1）结构的协同（高层低频规划、低层高频动作），减少低层模型规模限制与训练成本。
  • 结合加速推理方法（如一致性蒸馏、并行解码）进一步降低 RTC 的算力与时延负担。

7.3. 个人启发与批判

• 启发：
  • 将图像修复补全类“局部一致性”思想迁移到时间序列控制，使用软权重随时间递减，是将“空间–时间一致性”统一到生成引导中的优雅手法。
  • 在少步数控制场景引入权重裁剪的稳定化改动，体现了方法对实际工程约束的敏感与实用性。
• 可迁移性：
  • 该修复补全引导范式可推广到其他序列生成场景（如语音动作合成、视觉预测），尤其在需要“部分冻结 + 局部一致性”的在线生成场景。
• 批判与改进：

  • 计算开销仍是 RTC 的主要痛点；如何进一步减少引导计算（如近似雅可比、低秩/块结构利用）值得深入。

  • 在多模态极强的策略分布下，软掩膜可能仍不足以阻止策略“改弦更张”；未来可结合不确定性估计、目标价值引导（value-guided）等进一步增强稳健性。

  • 对真实系统安全性的系统化分析（如在不同延迟、不同干扰下的保护策略）可更全面地支撑大规模部署。

    （完）