REACT：让同一动作块经历多次新观察，而不是反复重画短计划
滚动去噪加异步调度；主配置3Hz视觉更新、30Hz动作输出
REACT维护一个50动作的持续缓冲区，分成五个10动作块，越接近执行噪声越少。每轮用最新可用观测对整个缓冲区去噪一步，执行前块、左移后块并补入新噪声。动作因而在执行前被多次观察修正，同时保留长时上下文。异步视觉编码恢复连续动作输出，但也引入旧条件：普通任务中同步版本略胜，倒米和反应任务才更体现完整调度的价值。
图解主要方法
持续多观察细化动作，如何缓和频繁重规划与长动作连续性的冲突？
- 1
建立噪声程度递增的持续动作缓冲
H=KS，主设置K5、S10；五块噪声时间为0.2/0.4/0.6/0.8/1。每次在整个50动作窗口执行一个Euler步、步长1/K，使前块变干净；后块保留部分去噪结果而不是每轮全部随机重采。
- 2
执行前块并滚动未来
发出10动作，余块左移，末尾填Gaussian噪声；每个稳态输出块历经五轮细化。启动从重置姿态与噪声插值，先在同初始观测下暖启K−1轮且不计输出，之后才正常执行。
- 3
用匹配位置的阶梯噪声训练
每示范块位置用固定噪声时间，一次前向联合监督五种阶段，仍以干净示范和噪声的速度差作目标。它保证查询的位置/时间网格覆盖，不保证生成轨迹和不断变化观测与训练数据完全同分布。
- 4
解开视觉编码与动作执行等待
每S个相机周期选一帧，异步VLM工人写入按捕获时间单调更新的latest-ready缓存，DiT用最新完成条件。主配置同一4090放两个VLM工人和动作专家；工人数不等于GPU数，吞吐公式需有效服务能力足够。
实验与证据
全文及附录A–F已读，图1视觉核对，检查官方任务演示和资源入口；无独立复现。
来源证据七个RoboTwin任务，各50 clean示范，30k训练步，clean/randomized各100rollout/任务；真机六平台任务对各30次。 4.1；附录C.6 ↗
我的解读不是全50任务基准；同随机放置控制测试场景，仍未重复独立训练seed。
来源证据PaliGemma-3B加300M动作专家；AdamW峰值2.5×10⁻⁵、10%暖启，仿真batch32，真机20epoch。 附录C.2–C.3 ↗
我的解读ARX batch128、Franka256（反应任务32）；动作表示ARX14维关节，Franka20维末端，不能跨平台直接比jerk绝对大小。
来源证据完整REACT普通真机64.8%，无DD65.7%，长块58.7%；Franka钥匙环53%低于长块70%。 表2 ↗
我的解读平均改善并非逐任务更好；异步条件老化是作者解释，尚需单变量延迟干预验证。
来源证据S10、30Hz相机：主输入3Hz、输出30Hz；VLM37ms、DiT3ms作为分析参考。 附录B表5 ↗
我的解读表5吞吐是代公式计算，S1的30Hz输入是条件上界；主设置单工人参考27Hz已足够，不能声称需要两卡或按工人数线性加速。
来源证据条件年龄平均233ms、p95 383ms、max416ms；选帧周期333ms。 3.2 ↗
我的解读最新完成条件仍可能超过一个周期老，不应称实时无延迟；乱序完成未观察到，单调时间戳缓存用于防回退。
来源证据同步每次更新66.04→39.96ms，1.65倍；REACT每轮一步、稳态每输出块五次细化，普通基线每整块十步。 附录C.4表7 ↗
我的解读不是总去噪只做一步的同预算比较，启动暖启和物理执行时间另算。
来源证据倒米完整63%、无DD57%、长块3%、短执行33%；反应完整734±94、Async747±123、无DD754±127、长块1505±502ms。 表3；附录C.7 ↗
我的解读专项试验数未充分交代；正文“鼠标点击”与附录实际USB键盘按键不同，测量以显示缓冲提交到OS按键事件为准。
来源证据人类遥操作同一机械臂同脚本705±73ms，完整REACT均值高29ms。 附录C.7 ↗
我的解读共享测量链路减少设备差异，但差值不完全隔离模型计算，还含运动策略和人的操作过程；非裸人类反应速度比较。
来源证据成功轨迹模拟jerk：长块658.9、REACT1219、Async2022.2；Franka18.4/28.6/31.6。 图3；附录D ↗
我的解读REACT不是最平滑，成功条件化也不保证无选择偏差，失败动作不在这些统计内。
来源证据对Async两比例z检验均p<10⁻⁵，但作者未训练独立seed。 4.2；第6节 ↗
我的解读只反映所测rollout采样误差，跨任务汇总和场景配对亦应谨慎，不能推及训练鲁棒性。
来源证据三任务3k步成功52.7%对25%，15k步匹配基线30k；随机化离线MSE0.272→0.048。 4.4；附录F ↗
我的解读证明报告的优化步效率，未报告同倍数墙钟/GPU成本；图中带为任务范围非置信区间，开环MSE不等于闭环安全。
来源证据固定S10，K1→5成功13.6→49.7%；固定K5，S1→10为6.3→49.7%。 附录E ↗
我的解读K或S改变时总H也变，不能把增益单独归更多观察或更强反应；每设置单独训练，未测试零样本换调度。
开放情况与使用许可
官方react-vla.github.io提供论文、真实任务视频和方法说明，所见资源入口未列可下载研究实现、检查点或训练数据；基础π0.5公开不能代替REACT开放状态。
LICENSE论文与图1为CC BY 4.0，官方页面内容亦标CC BY 4.0；尚未核实另有研究软件或权重许可。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
同π0.5基础上，滚动同步版本RoboTwin Clean/Randomized49.71%/20.86%，优于长块37.43%/11.43%，支持持续缓冲区与匹配训练。
完整REACT对Async+RTC保持相同主配置输入/输出吞吐，真机成功64.8%对17.7%，ARX成功轨迹jerk90.1对284.1。
反方 · 哪些结论还不够
完整DD版本一般任务44.86%/19.86%及真机64.8%，低于无DD49.71%/20.86%及65.7%，不能说异步化所有指标都更好。
最平滑仍是完整长块基线；REACT与Async成功样本集合不同，只在成功样本上算jerk仍可能有选择偏差。
反应734±94ms对Async747±123ms只差13ms，专项试验数与差异检验不足；无训练seed，不能宣称已显著接近或超越人类。
综合判断
强项是把长期动作连续性和新观察更新放进同一滚动生成过程；实验支持特定π0.5部署下的取舍改善，不能泛化为无旧观测、无训练或所有任务均最优。
我会先做的验证
建议实验（尚未执行）：匹配训练步数和每块有效去噪预算，以多训练seed重做滚动/阶梯监督/DD三因素对照；在固定场景、失败也保留的运动质量指标下测完整延迟分布，并系统注入摄像头和编码延迟。