BRACE：具身智能预算化重规划机制，SLO违规率降至4.7%
When Replanning Becomes the Bottleneck: Budgeted Replanning for Embodied Agents
在具身智能（Embodied AI）的实际部署中，环境始终充满了不确定性。无论是执行过程中的物理偏移、传感器带来的部分可观察性，还是多智能体协同中的突发状况，都迫使智能体必须频繁地进行“重新规划（Replanning）”以纠正错误。随着视觉-语言-动作（VLA）模型和大语言模型（LLM）成为现代规划器的核心，这种“观察 $\rightarrow$ 规划 $\rightarrow$ 行动 $\rightarrow$ 重新规划”的闭环系统变得越来越智能，但也引入了一个极具破坏性却常被忽视的系统性灾难：无休止的上下文膨胀与不可控的延迟。
ArXiv URL：https://arxiv.org/abs/2608.01428
这篇论文敏锐地捕捉到了当前具身智能评估体系中的一个巨大盲区。传统的研究往往只关注任务的“最终成功率”或“平均延迟”，却忽略了每一次 LLM 重新规划调用背后的系统成本。当智能体不断把历史记录、失败追踪甚至其他智能体的协调信息塞入提示词时，Transformer 模型的推理延迟会出现严重的“长尾效应”。结果就是，即便系统在模拟器里显示任务成功，实际上它在物理世界中已经无数次错过了实时响应的截止时间（Deadline），这种隐蔽的故障模式如果不加干预，将直接摧毁机器人的现实可用性。
为了彻底解决这一系统级瓶颈，研究团队提出了 BRACE（Budgeted Replanning for Agentic Control in Embodied Systems）框架。它创新性地将重新规划视为一个带有严格预算的控制回路。此外，团队还为其配套开发了 E-RECAP 渐进式 Token 剪枝模块。实验数据极具说服力：在 Meta Habitat、RoboFactory 和 AirSim 等多平台上，该机制不仅将重规划的 Token 消耗削减了 62% 到 92%，更在任务成功率饱和的情况下，将延迟 SLO（服务等级目标）违规率从灾难性的 85.5-100.0% 压降至 4.7-50.0%。
隐藏在“高成功率”背后的长尾延迟危机
要理解 BRACE 的价值，首先必须认清当前基于 LLM/VLA 规划器的运行机制。当一个具身智能体在环境中发现执行偏离预期时，它会触发一次重新规划。但与轻量级的传统控制查询不同，大模型的请求极度沉重。它不仅需要完整的任务描述，还需要最近的观察结果、动作历史、失败原因的分析，在多智能体场景下甚至还要加上冗长的通信摘要。
随着任务的推进，这个被称为 $C_t$（第 $t$ 步控制的上下文）的文本量会像滚雪球一样迅速增大，其 Token 长度 $N_t$ 的激增直接导致了底层 Transformer 规划器变得缓慢且呈现出不可预测的“突发性延迟”。在闭环系统中，这种缓慢的调用会进一步拖延执行，导致环境状态发生更大的变化，进而引发下一轮更密集的重新规划，最终形成恶性循环。
论文作者一针见血地指出，大多数具身基准测试仅仅报告任务的最终完成情况。在他们的初步实验中，一个不加任何预算或压缩限制的基线系统（被称为 No BRACE），在三个主流平台上都达到了 100% 的任务成功率。然而，令人触目惊心的是，这个系统在绝大多数的重新规划调用中，都违反了预设的延迟服务等级目标（SLO）。
正如上图在 Meta Habitat 导航任务中展示的定性示例，当执行噪音加入后，随着重规划历史的累积，上下文急剧膨胀，产生了严重的尾部延迟峰值。系统虽然最终把任务做完了，但在这个过程中，机器人其实处于一种“长时期停顿思考”的僵死状态。这种仅靠成功率掩盖的长尾故障，正是将重规划视为系统级基础原语进行管控的核心动机。
BRACE 控制器：将重规划变成一门“预算学”
面对上述痛点，作者并没有试图去训练一个参数更小、或者绝对速度更快的全新大模型，而是退后一步，从系统架构层面解决问题。BRACE 框架的核心思想非常清晰：把智能体的每一次重规划请求，当成一次需要严格审计和分配预算的投资。
BRACE 作为介于触发信号和实际大模型调用之间的闭环控制器，承担着两个至关重要的职责。
第一步，它必须冷酷地决定“当前是否真的需要重新规划”。在复杂的具身环境中，如果传感器的一点轻微扰动就触发一次长达数秒的 LLM 推理，系统很快就会崩溃。BRACE 引入了一系列稳定性策略，例如“冷却与提交窗口（cooldown/commit windows）”机制，防止在短时间内发生快速震荡和重复调用；同时还具备“故障感知覆盖”功能，如果系统连续遭遇失败，它可以暂时放宽预算限制，允许模型读取更多上下文以寻找突破口，而在常态下则严格收紧权限。
第二步，一旦决定进行重新规划，BRACE 必须选择适当的重规划模式，并分配一个明确的 Token 预算 $B_t$（即压缩后允许输入给规划器的最大长度）以及一个延迟目标 $SLO_t$。这种“带资进组”的设计从根本上改变了规划器的调用逻辑。
如上图所示，BRACE 提供了一个极具操作性的工程接口。更重要的是，它引入了细粒度的“阶段记账法（Phase Accounting）”。在以往的研究中，许多旨在提升效率的模块（例如 RAG 检索、提示词压缩、计划缓存等）往往只报告最终延迟，导致很难界定究竟是哪个环节拖了后腿。BRACE 会记录重新规划调用路径上每一个阶段的时间戳和 Token 消耗。从上下文压缩所需的时间、检索的时间，到实际规划的时间，每一笔“开销”都被详细记录并输出审计日志。这不仅让系统的长尾延迟（如 P95 尾部百分位数）变得透明，还使得公平的“预算匹配”基准测试成为可能——所有试图减少上下文的方法，都必须在相同的严格 Token 预算下证明其保留有效信息的能力，而不是单纯依靠堆砌算力。
E-RECAP：专门针对重规划上下文的渐进式剪枝
有了 BRACE 提供的预算控制框架和审计机制，接下来的挑战是如何在不丢失关键决策信息的前提下，把庞大的上下文压缩到预算 $B_t$ 以内。为此，研究团队设计了 E-RECAP（Embodied REplanning with Cost-Aware Pruning）模块，这是一种感知成本的渐进式 Token 剪枝技术。
需要注意的是，传统的 Token 剪枝往往聚焦于单步查询中的视觉 Token（例如删减图像背景中的无用补丁）。但 E-RECAP 面对的是特殊的“重规划上下文”。在长视野任务中，这些上下文包含了大量的历史尝试轨迹、中间状态摘要等，很多信息在新的环境状态下已经失效或变得多余。
E-RECAP 训练了一个轻量级的预测器，利用模型中间层的隐藏状态来对上下文中每个 Token 的重要性进行打分。它的剪枝不是一步到位的粗暴截断，而是沿着 Transformer 的选定层级渐进式地进行。
同时，E-RECAP 巧妙地保留了结构上的刚性约束：它始终将头部（通常包含核心任务指令）和尾部（通常包含最近的观察和动作请求）的 Token 设定为免死金牌（保留集），仅在中间累积的历史记录中，根据预测效用剔除那些得分最低的冗余 Token。通过这种方式，输入到最终决策层的上下文不仅满足了 BRACE 下发的预算约束，还最大限度地保留了引导正确纠错的关键信息。
压倒性的实验证据：多平台上的长尾治理
为了证明这种尾部感知的每调用预算机制并非纸上谈兵，研究人员在多个极具代表性的具身模拟平台上进行了严格评估。
在 Meta Habitat 的导航场景中，引入最短路径执行噪音后，如果没有 BRACE 的约束，系统为了纠错会导致上下文无限制生长，尽管取得了 100% 的成功率，但其面临着 85.5% 的 SLO 违规率。而当 BRACE 与 E-RECAP 组合介入后，在完全不降低成功率的前提下，每次调用的 Token 数量骤降了 71-76%，重规划延迟降低了 2.1 到 2.6 倍，SLO 违规率更是直接断崖式下降至 4.7%。
在更复杂的 RoboFactory 协调操作以及 Microsoft AirSim 的多智能体交互场景中，效果同样显著。特别是在 AirSim 的无人机路口协调基准测试中，由于多台无人机需要不断交换意图和避障信息，上下文极其庞大。
上图清晰地展示了 AirSim 任务中的对比情况。无预算的基线系统由于处理海量历史消息，产生了严重的延迟，它将过期的决策不断累积到同一个触发窗口中，导致无人机在交互期限内无法及时做出避让动作。相比之下，BRACE 通过有效的剪枝和预算管控，极大地缩短了实际的重规划路径，用远低于基线的截止时间违规次数完成了高风险的交互。
更令人兴奋的是在 RoboFactory 的困难设定下（开放循环策略、冻结计划基线以及无 BRACE 的大模型全部彻底失效的场景）。面对极高的环境动态性，普通的系统要么因为不重规划而直接撞墙，要么因为重规划太慢而错过操作时机。在这种绝境下，BRACE + E-RECAP 依然强韧地达到了 80.0% 的成功率，并且仅仅产生了 4.6% 的 SLO 违规，证明了其在不同具身形态和任务难度下的普适性与统治力。此外，作者还在实物机器人（如 PickFruit 和 PushT 任务）上进行了小规模验证，物理执行的结果进一步印证了仿真环境中的结论，系统级预算不仅是软件上的优化，更是机器人落地现实的关键屏障。
系统成本不再是盲区
这项工作对当前狂热的大模型具身智能研究具有强烈的纠偏意义。在过去的很长一段时间里，社区都在疯狂追求更强大的 VLA 模型、更复杂的 Prompt 工程，试图让机器人表现出更接近人类的推理能力。但计算资源从来都不是无限的，物理世界的时间流动更不会为了等待模型的推演而暂停。
当“重新规划”成为现代具身智能最底层的安全保障时，它自身的延迟和卡顿就成了系统最致命的弱点。高成功率不应成为掩盖长尾延迟的遮羞布。通过将运算开销视为和物理动作同等重要的“控制变量”，BRACE 及其阶段记账理念，强制要求研究者在设计新算法时，必须直面从请求发出到指令返回的系统级真实成本。
对于未来的研究而言，本文提出了一个极其务实的倡议：以后的具身智能基准评估，除了报告传统的任务成功率之外，应当强制要求报告调用粒度的尾部延迟（如 P95/P99）以及 SLO 违规率。只有当我们在预算约束的铁笼中依然能跳出优雅的舞蹈，大模型驱动的具身智能才算真正拿到了走向现实物理世界的通行证。