更少 Token 更强操作！北大开源 PyRUA-Lean 机器人交互代码执行架构：任务成功率提升 14%，Token 消耗锐减 65%

核心背景与行业痛点

随着 GPT-6 Astra、Claude 3.7 Sonnet 等多模态大底座被引入机器人具身控制，智能体通常采用传统的工具调用（Tool-Calling）范式：每一控制周期输入高分辨率相机多视角画面，模型输出单次动作（如 move_to(x,y,z) 或 grasp()），执行后再次将新画面回传给模型。这种“高频单步盲目回传”的交互模式在具身控制中存在严重的结构性弊病：其一，机器人连续位移中的相邻帧视觉信息高度冗余，造成海量无意义的视觉 Token 账单与上下文拥堵；其二，由于缺少底层控制闭环，一旦出现微小抓取偏差，系统必须经历高延迟的网络调用请求才能重试，导致机器人动作迟缓、任务成功率大幅受挫。

架构亮点与底层机制

针对这一瓶颈，北京大学 DA Group 团队推出了 PyRUA-Lean 框架，用“交互式代码生成与选择性感知（Selective Observation）”彻底重塑机器人交互底座：

1. Python 结构化动作单元组合（Interactive Code Cells）：规划大模型不再输出孤立的原子 API 调用，而是直接编写具备局部控制流的 Python 代码块。代码单元将确定性经典运动学基元（如路径插值、碰撞检测）与深度具身 VLA 策略无缝缝合；
2. 端侧轻量条件分支与自愈重试：在本地代码执行沙箱中内置自适应条件校验（如夹爪压力传感器读数、末端到位反馈）。当遇到夹空或微小位姿偏差时，代码块在端侧毫秒级完成局部重试循环，无需惊动云端大模型；
3. 选择性按需感知（Selective Observation）：颠覆帧帧回传的死板设定，代码块仅在遇到异常阻断或关键阶段转换点时，才主动调用 request_observation() 拉取最新图像或状态切片上传，绝大多数确定性位移过程以纯本地代码静默高速执行。

权威 Benchmark 与实测跑分对比

研究团队在涵盖精密抓取、多阶段家政交互与桌面协作的 700 组高度仿真实体任务环境（LIBERO-PRO、RoboTwin 2.0 及 RoboCasa365）中展开了严密的大样本消融测试：

1. 任务成功率提升 14%：在完全相同的底层机器人基元与调用配额约束下，基于 GPT-6 Astra 的 PyRUA-Lean 将综合任务成功率从基线 Tool-Calling 的 63.1% 强力推升至 71.7%（相对增益达 13.6%）；
2. Token 消耗雪崩式暴降 65%：在两类系统均成功解决的任务用例统计中，PyRUA-Lean 使得云端大模型调用次数减少 49%，更直接将输入的视觉多模态 Token 开销大幅削减了 65%；
3. 物理交互顺滑度成倍提升：由于剔除了 80% 以上的中间网络交互等待延迟，机器人的动作连贯性与执行流畅度获得了质的飞跃，端到端任务耗时显著缩短。

开发者实战落地与开箱指南

PyRUA-Lean 项目及其配套的轻量级实体执行中间件已在 GitHub（DAGroup-PKU/PyRUA-Lean）完整开源。对于正在开发各类自动化机器人（如机械臂产线分拣、移动复合机器人巡检、桌面具身伴侣）的研发团队，PyRUA-Lean 提供了开箱即用的 ROS/ROS2 动作绑定驱动与仿真器桥接器。工程师只需将底层机器人 SDK 的基本操作注册为 Python 可调用函数，即可直接让大模型以编写 Python 代码的方式指挥机器人高效运转，用极低算力成本实现极高任务鲁棒性。