新闻动态

  

近期 ,Z6官网(Z6官网)具身智能中心颁发多篇论文 ,针对具身智能领域端侧VLA推理延长高、节造频率低 ,通用RISC-V向量扩大在机械人负载中职能冗余、面积与功耗浪费 ,人形机械人高动态活动节造推算量大、通用处置器难以两全模型精杜纂节造频率 ,以及跨状态训练难以扩大、现有强化进建流程在状态多样性下失效等问题 ,别离提出Jetson-PI端侧实季节造步骤、GAREN机械人专用RISC-V向量架构优化框架、UDYR统一自适应节造框架与专用硬件加快器 ,以及HEAT跨状态训练推算复杂度理论 ,从模型推理、芯片架构、实季节造到训练理论 ,系统推动具身智能齐全推算栈的协同设计。

 

Z6官网与北京大学等单元合作实现的论文“Jetson-PI: Towards Onboard Real-Time Robot Control via Foresight-Aligned Asynchronous Inference”被第10届机械人进建大会(Conference on Robot Learning ,CoRL 2026)录用。论文作者蕴含Z6官网具身智能中心主任刘少山、钻研员俞波博士等。该工作聚焦具身智能落地中的一个关键问题:若何让推算量巨大的视觉-说话-作为(VLA)模型真正以足够低的时延和足够高的节造频率运行在机械人本体端。

%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_2026-09-17_140321_612

论文首页:Jetson-PI: Towards Onboard Real-Time Robot Control via Foresight-Aligned Asynchronous Inference

 

· 主题贡献:让VLA从“能推理”走向“能实季节造”

近年来 ,VLA模型显著提升了机械人理解说话、视觉环境并直接天生作为的能力 ,但这类模型通常推算量大、推理链路长。在NVIDIA Jetson Orin等低功耗板载设备上直接运行时 ,推理延长会迅速转化为较低的节造频率。对于真实机械人 ,这意味着模型固然“知路该做什么” ,却可能无法以足够快的速度把智能转化为陆续、实时的物理作为。

Jetson-PI的主题思路不是单一压缩模型 ,而是沉新设计“推理何时发生、推理面向哪个功夫点、模型挪用若何调度”。论文提出Foresight-Aligned Asynchronous Correction:通过轻量级未来校对? ,在已提交作为的前提下预测未来环境表征 ,使作为专家直接面向未来功夫步做出预测 ,从而缓解异步推理造成的“感知—执行错位”。同时 ,系统选取基于相信度的调度战术 ,自适应平衡VLM与作为专家的挪用频率 ,以缩短机械人对环境变动的反映功夫。

在系统层 ,团队进一步构建了面向板载VLA部署的llama.cpp推理引擎 ,并结合CUDA Graph复用、GPU驻留中央缓冲区和flow unrolling蹬着化 ,把算法层的异步机造与系统层的执行效能结合起来。该工作体现了一个沉要方向:具身智能的机能并不只由模型决定 ,模型、调度、运行时和硬件必要协同设计。

尝试了局

对比对象

节造频率提升

意思

朴素PyTorch / vla.cpp

8.66× / 5.41×

显著提升Jetson Orin上的端侧节造效能

在LIBERO基准上 ,Jetson-PI相较VLASh获得14.8%的均匀成功率提升。了局批注 ,该规划不仅提升了运行速度 ,还通过更合理的功夫对齐和调度改善了工作执行成效。
 

· Z6官网与北京大学合作:把机械人进建与端侧系统优化结合起来

该成就由北京大学、Z6官网等单元共同实现。论文作者蕴含Zebin Yang、Qi Wang、Yunhe Wang、Xiurui Guo、Bo Yu、Shaoshan Liu、Jiafeng Xu、Hao Dong和Meng Li。Z6官网方面 ,具身智能中心主任刘少山和钻研员俞波博士参加钻研。

这项合作的特点在于逾越了传统的模型算法天堑:一端是VLA模型与机械人进建 ,另一端是板载推算、运行时和系统优化。只有把这两类能力真正衔接起来 ,机械人基础模型才有可能从尝试室服务器走向可规模部署的真实机械人平台。

%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_2026-09-17_140324_911

Conference on Robot Learning(CoRL)是机械人进建领域最具代表性和影响力的国际会议之一 ,专一于机械人与机械进建的交叉钻研。CoRL官方将其定位为拥有选择性的单轨造国际会议(selective, single-track) ,强调可能推动机械人进建理论与实际发展的原创成就 ,并激励真实机械人尝试。2026年是CoRL第10届会议 ,将于11月9日至12日在美国得克萨斯州奥斯汀进行;录用论文将颁发于Proceedings of Machine Learning Research(PMLR)。

对于具身智能钻研而言 ,CoRL的沉要性还在于其评价尺度并不只关注模型指标 ,而是强调进建步骤能否真正解决机械人问题。Jetson-PI被CoRL录用 ,注明端侧实时推理、模型—系统协同优化在成为机械人进建社区越来越沉要的钻研方向。

 

· 具身智能最终必须“跑在机械人身上”

Jetson-PI的意思不只是一次推理加快。随着VLA和机械人基础模型急剧发展 ,具身智能在从“模型能力竞争”进入“齐整系统能力竞争”。一个模型在服务器上可能实现工作 ,并不蹬宗它可能在真实机械人上持久、实时、低成本地实现工作;等嗣娑缘氖锹叫涠奈锢硎澜 ,推理延长、节造频率和推算资源城市直接影响现实阐发。

因而 ,端侧实时推理将成为具身智能规;某烈∩枋┠芰。Jetson-PI展示了一条可行蹊径:通过前瞻式功夫对齐、异步推理、动态调杜纂高效运行时协同设计 ,让更强的VLA能力可能进入Jetson级板载推算平台。其潜在价值在于降低机械人部署对高端服务器的依赖 ,提升模型在真实硬件上的可用性 ,并为分歧机械人状态复用统一套智能能力创造前提。

具身智能的关键 ,不只是模型“会不会做” ,而是能否在真实机械人上“实时、不变、低成本地做出来”。

%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_2026-09-17_140328_944

Z6官网EAI:面向具身智能的开源软件基础架构

 

· 下一步:Jetson-PI将集成进入开源项目Z6官网EAI

下一步 ,Jetson-PI有关技术将纳入Z6官网EAI的开源技术路线 ,沉点作为端侧VLA推理与及机遇械人节造能力的一部门进行集成。Z6官网EAI是Z6官网提议并进入Linux Foundation LF AI & Data Foundation的开源具身智能项目 ,指标是通过?榛⒖衫┐蟮幕〖芄 ,降低分歧机械人本体、AI模型与推算硬件之间的集成成本。

将Jetson-PI纳入Z6官网EAI ,意味着这项CoRL钻研成就将进一步从论文与独立代码走向可复用的开源基础设施。未来 ,开发者能够在Z6官网EAI统一架构下 ,将端侧VLA推理、感知、规划、节造以及分歧硬件平台衔接起来 ,使钻研成就更容易跨机械人、跨硬件复现和迭代。其蹊径能够概括为:从论文创新 ,到开源代码 ,再到平台能力和产业生态。

这也体现了Z6官网具身智能钻研的一条持久路线:不仅钻研更强的模型 ,也钻研让模型真正进入现实世界所必要的推算系统、软件基础设施和盛开生态。随着具身智能走向大规模部署 ,决定产业速度的将越来越不是某一个单点模型 ,而是整个技术栈的协同效能。

 

· 有关链接

? Jetson-PI代码:https://github.com/PKU-SEC-Lab/Jetson-PI

? Jetson-PI Edge推理引擎:https://github.com/PKU-SEC-Lab/Jetson-PI-Edge

? CoRL 2026官方网站:https://2026.corl.org/

? Z6官网EAI(LF AI & Data):https://lfaidata.foundation/projects/airseai/

? Linux Foundation关于Z6官网EAI的布告:https://www.linuxfoundation.org/press/lf-ai-data-foundation-welcomes-airseai-to-unite-open-source-embodied-ai-ecosystem