机器人何时该思考？基于强化学习的资源感知推理用于具身机器人决策

具身机器人系统日益依赖大语言模型（LLM）进行高层推理与决策，但频繁调用 LLM 会带来显著延迟与资源开销。过度推理延误行动，不足则导致失败。本文提出 RARRL，一种基于强化学习的资源感知推理框架。该框架不学习底层控制，而是学习高层编排策略，使代理能根据观测、历史及剩余资源，自适应决定是否推理、采用何种推理角色及分配多少计算预算。实验表明，RARRL 在提升任务成功率的同时，有效降低了执行延迟并增强了鲁棒性。