内容摘要
长时程机器人闭环中，感知、信念更新、规划与控制的频率和延迟不同。作者指出，隐式时序与输入消费规则会使行为随调度变化，难以复现和调试。论文提出Retriever，结合异步决策模型、编程模型和运行时，将智能体表示为有状态因果流函数图；函数绑定显式时钟和输入快照规则后形成Flow，明确何时运行、读取哪些输入。
示例系统Retriever-0连接相机、信念与记忆、VLM规划、执行监控、VLA技能和控制器，以计划块和动作块衔接慢速规划、2Hz技能推理与200Hz控制；默认不打断当前技能。作者真机实验按任务进度评分：完整流水线的香料搜索为73%，是四个抽屉的平均值；袋中取物为100%，不能改称整任务成功率。
确定性重放要求固定确定性的代码与同步策略、初始状态、已提交外部输入、含滞后决策的时钟与提交轨迹，并满足严格因果反馈；随机调用须由日志中的种子或输出重放。保证针对事件路径，不承诺实时运行时GPU浮点结果逐位一致。上述任务结果不构成通用操作能力证明。
点评
通过显式规定模块运行时钟和输入快照，并记录重放所需事件信息，为异步机器人闭环的调试与离线重执行提供系统化路径。
证据身份为作者论文中的任务实验，而非独立研究复现或工程开放证明。所列百分比是特定任务的进度指标，不是整任务成功率，也不能外推通用操作能力；重放保证依赖固定输入、轨迹和随机性记录等条件，不等于实时运行时GPU数值逐位一致。
版本与核查范围
版本 2607.17213v2 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#abstract1.1；#S3.SS2.p3.1；figcaption[8]；#S5.I4.i2.p1.1；#S6.SS1.p4.1；figcaption[183]；#Thmthm2.p1.1；#A4.SS7.p1.1；#A3.SS3.p4.1；#S4.SS3.p6.1