论文导读
Magiclab Robotics、浙江大学与东南大学研究视觉—语言—动作模型的实时执行，把10步去噪压到非均匀两步，并搭建端到端诊断框架。论文报告模型推理由61.557毫秒降至21.956毫秒，但同时强调通信、调度、平滑与机械响应也会决定真机效果。
快模型不一定带来快机器人
机器人循环包含相机采集、网络传输、模型推理、动作缓冲、控制器执行与日志记录。只测GPU前向时间，会漏掉等待新观测、动作过期和机械臂跟不上等问题。团队把这些环节放入统一服务框架，以同一平台记录请求时刻、返回时刻、执行轨迹和关节状态，让不同实时策略可以按整条链路比较。
图：系统图从客户端、推理服务、动作缓冲一直连接到机器人控制器和运行日志。
两步去噪不是平均砍掉八步
扩散式动作模型通常多次去噪。论文发现，早期阶段负责形成大致动作，末段负责短时修正，于是采用非均匀两阶段：第一步做较长跨度的粗预测，第二步在接近执行端的位置集中纠偏。相较机械地取两个等距时间点，这种安排保留了末段精细控制，并能与训练时实时校正结合。
图：两阶段架构先完成长跨度预测，再在短时间范围内精修动作，避免平均分配计算。
61.557到21.956毫秒只是链路的一段
论文报告，模型推理时间由10步设置的61.557毫秒降至两步设置的21.956毫秒，并在双臂叠衣等长时任务中比较六类执行方法。结果也显示，异步执行可能制造动作断层，平滑策略可能降低抖动却增加滞后。单一延迟数字不能代替任务成功率、轨迹连续性与峰值加速度。
图：运行时曲线同时检查关节位置、速度和加速度，用来发现肉眼不易察觉的动作不连续。
未来落地需要软硬件共同验收
后续落地应给出从光子进入相机到关节开始响应的端到端延迟，并分场景报告最坏值而非只有平均值。还要在网络抖动、丢帧和机械负载变化时复测。两步去噪解决的是关键计算瓶颈，真正可靠的实时机器人仍需要调度、控制与安全停机机制共同完成。
部署时可把时间预算拆成感知、排队、推理、传输、缓冲和机械响应六段，并为每段设置超时策略。某次请求若超过有效窗口，系统应丢弃过期动作而不是继续执行；连续超时时则进入安全姿态。长任务还要比较平均成功率之外的动作平滑度、峰值加速度与人工接管次数。只有当两步模型在计算更快的同时没有增加突跳和累积误差，21.956毫秒的优势才会转化为真实生产节拍，而不是停留在GPU计时器上。
尤其在双臂协作里，两侧时钟与控制频率也必须同步记录，否则单臂延迟下降仍可能造成配合失败。
