Recoleta Item Note
RAPID: Redundancy-Aware and Compatibility-Optimal Edge-Cloud Partitioned Inference for Diverse VLA Models
RAPID提出一种面向VLA模型的边云协同推理框架，用机器人本体运动学而非视觉置信度来决定何时把推理卸载到云端。其目标是在多环境噪声下保持兼容性与动作连续性，同时降低时延并减少无效云端调用。
Summary
RAPID提出一种面向VLA模型的边云协同推理框架，用机器人本体运动学而非视觉置信度来决定何时把推理卸载到云端。其目标是在多环境噪声下保持兼容性与动作连续性，同时降低时延并减少无效云端调用。
Problem
- VLA模型参数大、边端推理慢，难以满足机器人实时控制需求，因此需要边云协同推理。
- 现有动态分割多依赖视觉熵等环境特征，容易被视觉噪声、遮挡和干扰误触发，跨环境兼容性差。
- 现有方法忽略 embodied 任务中的逐步动作冗余，导致在本可由边端平滑执行的阶段频繁打断动作、增加通信与推理开销。
Approach
- 用关节加速度和关节力矩变化这两类不依赖环境视觉的本体感知信号，替代视觉熵作为边云分割触发依据。
- 设计两套分数：一套用滑窗统计归一化的加速度异常分数，检测任务切换、急停、避障等非线性运动变化；另一套用力矩变化的滑动均值和归一化异常分数，估计关键交互阶段对应的低冗余动作。
- 根据实时关节速度动态分配两类信号的权重：高速运动时更看重加速度，低速接触/操作时更看重力矩，从而形成动作重要性并触发双阈值卸载。
- 系统实现上加入异步多速率处理、动作抢占与冷却机制：传感器高频监控，控制低频执行；一旦检测到关键阶段就中止旧动作块并向云端请求新动作块，同时避免连续泛洪请求。
- 核心思想可用最简单的话概括为：平稳、重复、低风险的动作留在边端执行；突然变化或关键接触时再调用云端更强的VLA重规划。
Results
- 论文声称相较于Edge-Only和vision-based基线（如SAFE/ISAR），RAPID可最高提升准确率15.8%，并实现最高1.73×推理加速，系统额外开销仅5~7%。
- 在仿真基准上，总时延从Edge-Only 782.5±28.5 ms降到RAPID 222.9±11.4 ms，约为3.51×更快；相较vision-based SAFE的377.7±26.2 ms，RAPID约快1.69×。
- 分项时延上，RAPID的云侧/边侧时延分别为83.5 ms / 139.4 ms，而SAFE为62.5 ms / 315.2 ms；说明RAPID通过更合理分工显著降低了边端负担。
- 在视觉基线的噪声鲁棒性分析中，总时延随环境恶化从395.4 ms（标准）升至520.6 ms（视觉噪声）和685.3 ms（干扰）；作者据此主张运动学触发比视觉触发更稳健。
- 动作冗余分析显示，冗余动作比例超过80%：Pick & Place 82.5%、Drawer Opening 86.4%、Peg Insertion 81.2%；对应冗余动作平均注意力权重仅0.008/0.005/0.007，而关键动作为0.076/0.062/0.058。
- 论文给出了多项定量表格，但摘录中未完整展示真实机器人成功率等全部明细；最强结论是：RAPID在多噪声环境下兼顾了更低时延、更高兼容性和更少无效卸载。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.