DIRECT：具身规划器应在何时何地分配测试时计算资源？

视觉语言模型（VLMs）正日益被用作具身智能体的高层规划器，扩展测试时计算量成为提升能力的常见策略。然而，这种做法往往导致延迟、令牌用量和浮点运算量增加，而下游任务成功率提升却不均匀甚至递减。本文提出 DIRECT，一种利用多模态场景上下文按提示动态分配计算资源的路由框架，旨在优化成功率与成本的帕累托前沿。实验表明，不同计算扩展维度（思维链深度、模型大小、记忆历史）带来的能力提升各异。在物理机器人上的验证显示，该方法在降低高达 65% 平均延迟的同时，达到了更强模型的成功率。