面向鲁棒视觉代理的模式语言
A Pattern Language for Resilient Visual Agents
AI总结：
本文提出一种模式语言，用于在企业生态系统中整合多模态基础模型，平衡视觉语言动作模型的延迟与非确定性与企业控制循环的严格确定性和实时性要求。
摘要：
将多模态基础模型整合到企业生态系统中提出了一个根本的软件架构挑战。架构师必须在相互竞争的质量属性之间取得平衡：视觉语言动作（VLA）模型的高延迟和非确定性与企业控制循环所需的严格确定性和实时性能。在本研究中，我们提出了一种面向视觉代理的架构模式语言，将快速、确定性的反射与慢速、概率性监督分离。它由四个架构设计模式组成：（1）混合 affordance 集成，（2）自适应视觉锚定，（3）视觉层次合成，以及（4）语义场景图。
英文摘要：
Integrating multimodal foundation models into enterprise ecosystems presents a fundamental software architecture challenge. Architects must balance competing quality attributes: the high latency and non-determinism of vision language action (VLA) models versus the strict determinism and real-time performance required by enterprise control loops. In this study, we propose an architectural pattern language for visual agents that separates fast, deterministic reflexes from slow, probabilistic supervision. It consists of four architectural design patterns: (1) Hybrid Affordance Integration, (2) Adaptive Visual Anchoring, (3) Visual Hierarchy Synthesis, and (4) Semantic Scene Graph.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
