ChunkAct：为机器人 agent 引入动作分块
来自 arXiv · 期号 2026-10-14
摘要
用大模型驱动机器人时，每执行一个基本动作（感知、运动、视觉-语言-动作工具）都要让 LLM 对着完整历史推理一次，动作越多成本越高。 ChunkAct 发现这些推理大部分是冗余的：子目标一旦确定，后续动作序列已经被记忆规定好了。它把一连串动作打包成一个「块」，在线时一次 LLM 调用启动整个块，块自主执行直到失败才交回控制；离线时把记忆编译成块，执行阶段不再需要访问记忆，LLM 只负责需要推理的决策。 在 LIBERO-Pro 上，ChunkAct 的任务成功率比当前最优的 agentic robotics 方法高 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。