机器人边想边动，先给手一双眼睛
目录
想象你伸手拿杯子，杯子却被人往旁边挪了一点。手还追着旧位置走，脑中那份再详细的计划，也救不了这一抓。
机器人怎样既理解任务，又及时跟上眼前的变化？
INSAIT 的 Sombit Dey 等人在 2026 年 11 月 3 日提交的预印本《Asynchronous Robot Policies》里，尝试把两件事分开运行。论文
AI 概念插画，非真实实验。
大模型慢慢想，动作模块继续看
ARP 设置了两个循环：较大的视觉语言模型定期更新任务信息；较小的动作模块读取最新相机画面，并结合已有信息生成动作。动作模块不用每次都等大模型跑完。
麻烦也随之出现：它手里的任务信息，可能已经过时。
作者因此在训练时，故意把当前画面和较早的信息配在一起，并告诉动作模块信息有多旧，让它练习在时间错位的情况下工作。方法与训练
可以把这理解成：厨房里的帮手仍记得“把杯子放上托盘”，但杯子眼下在哪，要自己看，不能只照着上一轮交代的位置伸手。
五倍差距，不能都记在“异步”账上
在一项模拟测试中，目标突然横移 5 厘米，ARP-1B 的成功率为 51.5%，作者复现的 π0 风格对照为 9.5%。论文实验
但官方项目页补充了一个关键对照：保留 ARP 的同一套网络权重，只改成同步执行，仍有 46.5%。
作者据此指出，这项测试的大部分提升，来自动作模块拥有自己的相机输入。目标持续滚动并突然改向时，异步执行的作用才更突出：同权重的成功率从同步时的 31.3% 升至异步时的 44.7%。项目页的拆分实验
这就像比较两位接球手：一位能自己盯着球，一位要听别人报位置。如果同时改变了看球方式和传话节奏，赢了以后，就不能把全部功劳都算给传话更快。
手脚灵活，还不等于什么都会
真实机器人实验只有三项任务、每项十次尝试；叠杯子时，对照模型更好。更广的 RoboLab 测试中，ARP 也明显落后于 π0.5-DROID。项目页还提醒，测得的反应时间差异尚未达到统计显著。限制说明
因此，我更愿意把这项工作看成一张值得继续验证的分工图：哪些信息可以稍旧一点，哪些变化必须立刻看见，以及怎样检查这两部分是否真的配合得更好。
看机器人演示时，也可以多问一句：它这次接住了，究竟是因为想得更快，还是终于能及时看见？
原文：Asynchronous Robot Policies · 全文及附录 · 官方项目页
作者与机构：Sombit Dey、Luc Van Gool、Danda Pani Paudel；INSAIT，索非亚大学
日期与状态：2026-11-03，arXiv 预印本 v1
阅读依据：论文全文、附录与官方项目页；生活类比与末段评论为本文解释。