ChunkAct: Action Chunking for Agentic Robotics

📄 arXiv: 2610.18874v1 📥 PDF

作者: Bingxin Xu, Wenrui Bao, Xinxin Liu, Jiawei Zhou, Yuzhang Shang, Emilio Ferrara

分类: cs.RO, cs.AI, cs.CL, cs.CV

发布日期: 2026-10-13

💡 一句话要点

提出ChunkAct以提高代理机器人任务执行效率

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 代理机器人 动作分块 大型语言模型 任务执行 效率提升 智能决策 机器人控制

📋 核心要点

  1. 现有的代理机器人方法在执行每个原语时都需要对完整的交互历史进行LLM推理，导致效率低下。
  2. ChunkAct通过引入动作分块的概念，允许一次性调用一组原语，从而减少了对LLM的频繁调用。
  3. 在LIBERO-Pro实验中，ChunkAct显著提高了任务成功率，并减少了LLM计算的需求，表现出更高的效率。

📝 摘要（中文）

代理机器人将大型语言模型（LLM）代理置于机器人控制循环中，能够在记忆的指导下组合感知、运动和视觉-语言-动作（VLA）工具，从而在不重新训练的情况下泛化到新任务。然而，这种泛化的效率代价较高，每个原语都需要对完整的交互历史进行一次LLM推理。ChunkAct通过引入动作分块，解决了这一效率问题。在线上，单次调用可以启动一组链式原语，自动执行并仅在失败时返回控制；离线时，ChunkAct将记忆编译为这些分块，使得测试时执行不再依赖内存。实验表明，ChunkAct在LIBERO-Pro上比当前最先进的代理机器人方法提高了5.0个任务成功率，同时减少了2.9倍的LLM调用、4.4倍的输入令牌和2.3倍的输出令牌。

🔬 方法详解

问题定义：本论文旨在解决代理机器人在执行任务时效率低下的问题，现有方法需要对每个原语进行完整的LLM推理，导致计算成本高昂。

核心思路：ChunkAct的核心思路是通过动作分块来优化LLM的调用，允许一次性执行一组原语，减少不必要的推理过程。

技术框架：ChunkAct的整体架构包括在线和离线两个阶段。在线阶段，通过单次调用启动一组链式原语，离线阶段则将记忆编译为这些分块，以便在测试时无需内存。

关键创新：ChunkAct的主要创新在于引入了动作分块的机制，使得LLM的计算量与决策数量相关，而非原语数量，从而显著提高了执行效率。

关键设计：在设计上，ChunkAct优化了内存使用，确保在测试时执行不依赖于内存，同时在决策时保留了规划器的功能，以处理需要推理的情况。具体的参数设置和损失函数等细节在论文中进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在LIBERO-Pro实验中，ChunkAct相比于当前最先进的代理机器人方法提高了5.0个任务成功率，且在LLM调用上减少了2.9倍，输入令牌减少了4.4倍，输出令牌减少了2.3倍，展现出显著的性能提升。

🎯 应用场景

ChunkAct的研究成果在多个领域具有潜在应用价值，尤其是在需要高效决策和执行的机器人任务中，如自动化制造、服务机器人和智能家居等。通过提高任务执行的效率，ChunkAct能够推动代理机器人在复杂环境中的应用，提升其自主性和灵活性。

📄 摘要（原文）

Agentic robotics places a large language model (LLM) agent in the robot control loop, where it composes perception, motion, and vision-language-action (VLA) tools under the guidance of a memory and thereby generalizes to new tasks without retraining. This generality comes at a steep price in efficiency. Every primitive requires a round of LLM reasoning over the full interaction history, so the cost of an episode grows with the number of primitives. We find this reasoning largely redundant: once a sub-goal is chosen, its primitives follow a routine already prescribed by memory. We present ChunkAct, which introduces action chunking to agentic robotics. Online, a single call launches a chunk of chained primitives, which executes autonomously and returns control only upon failure. Offline, ChunkAct compiles the memory into these chunks, so execution is memory-free at test time and the planner is reserved for decisions that require reasoning. LLM computation therefore scales with the number of decisions rather than the number of primitives. On LIBERO-Pro, ChunkAct improves task success by 5.0 points over the state of the art in agentic robotics while requiring 2.9x fewer LLM calls, 4.4x fewer input tokens, and 2.3x fewer output tokens.