越多调用大模型，机器人表现越差：一项把双系统VLA“何时求助”量化为成本收益问题的研究

在快控制器每步执行、慢而贵的模型偶尔介入的双系统机器人策略中，什么时候调用慢模型才真正划算？又该如何衡量一种调度规则是否有用？

双系统视觉语言动作（VLA）模型越来越多，但各家论文的调用规则各不相同：固定比例、固定预算、置信度或停滞触发。既没有共同目标，成本也很少被实测，评测还把调度本身的好坏与慢模块的好坏混在一起。分析历史运行记录时，回合末尾的信息还可能泄漏进“预测”，从而高估任何预警信号。

Fast-in-Slow（FiS-VLA）按人工设定的1:4节奏刷新大模型潜变量；Hume按价值估计对动作重采样；基于冻结大语言模型的RoboICL用门控决定何时复用预测的动作后缀。OneTwoVLA学习一个在推理与执行间切换的标记，近期的触发机制则在不确定性高或置信度低时调用大模型。这些方法都没有成本模型，也没有检验自适应何时能胜过固定比例。

论文定义了“干预价值”（Value of Intervention）：以快策略即将失败的概率加权，慢模型修正动作相对快动作的期望质量差。固定比例、固定预算和基于历史的调度都被证明是按该值路由的特例。更新过程分析表明，当失败与状态无关时最优调度是周期性的，自适应触发的收益取决于慢快调用的成本比，以及失败在时间上分布的不均匀程度。作者随后在真实系统上实测该比值，构建了只在估计价值超过调用成本时才查询的校准路由器，并提出包含新鲜度曲线、路由前沿、失败归因和校准可靠性的四项评测规程，明确禁止使用未来信息。

在单张RTX 4090上，FiS-VLA一次慢刷新耗时52毫秒，一次快动作55毫秒（比值0.95），这解释了其固定1:4节奏为何难以被超越；按公开的API成本，RoboICL的比值约为1000。合成测试中，校准路由器在相同25%调用率下成功率0.825，高于0.762；失败均匀时优势消失，越不均匀优势越大。对929条RoboICL实际部署记录施加防泄漏规则后，调度统计量的预警AUC从0.93降到0.62（p=0.010），高估约1.5倍。在用RLBench微调的FiS-VLA上，把慢潜变量的刷新间隔拉长到8个快步以内没有可测损失，平均延迟降低2.1倍。在以OpenVLA-7B为快策略、Qwen2.5-VL-7B为慢模型的LIBERO闭环实验中（比值1.53），语言子目标改写在两个任务集上都拖累成绩；只有撤销失败改写的方案没有净损失（90次中54次、100次中48次），用想象轨迹为候选动作排序的方案为90次中56次。

路由器的核心收益来自合成测试而非机器人。记录分析属于相关性分析，LIBERO各组实验为30至100次仿真回合，快策略本身在LIBERO-Spatial上成功率仅约57%，作者也指出这限制了成功率层面的比较。部分结果依赖闭源模型和单一GPU型号。这是一篇未经同行评审的单作者预印本。