Neue Technik reduziert Latenz bei Echtzeit-Steuerung um 25 %

arXiv – cs.AI Original ≈1 Min. Lesezeit
Anzeige

Forscher haben ein neues Spekulations- und Korrekturverfahren entwickelt, das die Reaktionszeit von Echtzeit-Steuerungsagenten drastisch senkt. Durch die Kombination eines vortrainierten Weltmodells mit einem latenten MPC-Planer erzeugt das System pro Schritt eine kurze Aktionswarteschlange und vorausschauende Rollouts, sodass mehrere Aktionen ohne sofortige Neuberechnung ausgeführt werden können.

Wenn ein neues Sensorbild eintrifft, vergleicht das System den tatsächlich erfassten latenten Zustand mit der vorhergesagten Warteschlange. Bei geringer Abweichung wendet ein leichtgewichtiger, offline distillierter Korrektor eine Residualanpassung an, während bei größerer Diskrepanz ein sicherer Rückfall zur vollständigen Neuberechnung erfolgt und veraltete Aktionen verworfen werden. Zwei Varianten des Korrektors – ein zweistufiges MLP und ein zeitlicher Transformer – adressieren sowohl lokale Fehler als auch systematischen Drift.

In Experimenten am DMC Humanoid‑Walk‑Task konnte die Methode die Anzahl der Planungsinferenzschritte von 500 auf 282 reduzieren, die End‑zu‑End‑Schrittlatenz um 25 % verbessern und die Steuerungsleistung mit nur 7,1 % Rückgang des Gesamtergebnisses erhalten. Ablationsstudien zeigen, dass reine Spekulation ohne Korrektur über längere Horizonte unzuverlässig ist, was die Notwendigkeit einer missmatch‑sensiblen Korrektur unterstreicht.

Ähnliche Artikel