πR² Permite que Robôs Reajam em Tempo Real Sem Retreinamento

Políticas de visão-linguagem-ação em larga escala como GR00T-N1.7 compram generalização a um custo operacional acentuado: o pipeline de percepção para ação é muito lento para replanejarem a cada ciclo de controle, então cada política se compromete com um chunk de ação e o executa em malha aberta até que o próximo chunk chegue. Em tarefas dextras como pegar um livro, 40ms de sensoriamento desatualizado são suficientes para perder um pico de força e derrubar o objeto. Um artigo da CMU publicado em 28 de julho apresenta πR² (pi-R-quadrado), um método apenas de fine-tuning que torna políticas em chunks reativas sem retreinar o backbone.

O problema central acopla três escolhas de design padrão: predição de ação em chunks, denoising iterativo por chunk e um backbone VLM grande. Cada um desacelera o replanejamento; juntos significam que solicitar um novo chunk durante a execução para o robô. Replanejamento mais frequente é impraticável—gerar um novo chunk leva mais tempo que um único ciclo de controle.

πR² quebra o acoplamento com duas mudanças. Primeiro, divide o condicionamento em um canal rápido e um canal lento. Propriocepção (estado articular, torque, força da ponta do dedo) é injetada fresca a cada passo de denoising. Características de visão e linguagem atualizam assincronamente; um embedding de atraso aprendido diz à política quão desatualizado o contexto visual está em vez de fingir que está atual. O método usa diffusion forcing, que atribui níveis de ruído por posição através do buffer de ação, permitindo que posições iniciais se comprometam enquanto as posteriores permanecem incertas.

Segundo, um cronograma de ruído adaptativo à latência—os autores chamam de escada—lida com o fato de que a inferência leva tempo. Dado o atraso de hardware medido d (em ciclos de controle), o cronograma divide o buffer de ação em três regiões: uma frente limpa de d ações em voo usadas como condicionamento, uma rampa que transiciona de limpo para ruidoso para que um passo de denoising emita exatamente d ações terminadas, e uma cauda ruidosa de d slots frescos anexados conforme o buffer avança. Um passe para frente sempre emite o número correto de ações para manter o robô funcionando em sua taxa de controle natural, quer d seja 1 passo em uma GPU rápida ou 5 passos em uma lenta. O mesmo checkpoint se adapta a qualquer GPU de implantação sem retreinamento.

Aplicado a GR00T-N1.7 em um xArm6+XHand, πR² replaneja a 25 Hz em uma NVIDIA A5000—4× mais rápido que a política base—com cada ação condicionada em uma observação não mais antiga que 40ms. Em quatro tarefas do mundo real (Catch Book, Insert Box, Tidy Up Book, Don't Spill), πR² supera Train-Time RTC tanto em taxa de sucesso quanto em progresso de subobjetivo. Os traços de força são os mais claros: quando um livro pousa, πR² fecha os dedos dentro de um ciclo de controle conforme o sensor de força da ponta do dedo dispara; RTC reage meio segundo mais tarde e o livro escorrega.

Em simulação através de orçamentos de latência variáveis, πR² melhora a taxa de sucesso em até 23% sobre a linha de base mais forte. No mundo real a margem chega a 30%. Ambos são relativos a Train-Time RTC, o melhor método anterior, não à inferência síncrona não modificada.

O caminho de implantação é apenas fine-tuning: o backbone é congelado e o cronograma de ruído e embedding de atraso são adicionados em cima de um checkpoint de política de fluxo existente. Equipes já rodando GR00T-N1.7 podem implantar πR² como um fine-tune sem recoletar dados ou reconstruir a stack de treinamento.

Se sua política de manipulação derruba objetos durante transições ricas em contato, o gargalo é propriocepção desatualizada, não escala de modelo. πR² aborda isso com um fine-tune, não um novo backbone.