ReCA 是什么？让多个具身智能体实时高效协作的加速框架

ReCA 是一个加速协同具身智能体系统的框架，由佐治亚理工学院、明尼苏达大学和哈佛大学的研究人员在 2025 年 3 月提出，论文标题是《ReCA：面向实时高效协同具身自主智能体的集成加速》。

背景：多个机器人一起干活

协同具身智能体，是指多个机器人或智能体一起完成任务，比如几台机器人协作打扫房间、搬运物品。它们通常由大语言模型驱动来理解任务、做规划、相互沟通。问题是，每一步都调用大模型，计算成本巨大、延迟很高；智能体越多，沟通和协调的开销越大，系统很难做到实时响应，也很难扩展到更多智能体。

三个层面的协同设计

ReCA 先对这类系统做了详细的性能分析，找出瓶颈，再从三个层面进行协同设计。

算法层面：支持高效的本地模型处理，让一部分计算在智能体本地用更小、更快的模型完成，减少对大型远程模型的调用，缓解巨大的模型成本。

系统层面：提出了一种集成长期记忆和短期记忆的双内存结构，让智能体既记得之前积累的环境信息，又能处理眼前的情况；一种结合集中式和分布式协作的分层协同规划方案，大的任务分配集中决策，细节执行由各个智能体分布式完成；以及以规划为引导的多步执行，一次规划多步动作，减少反复规划的次数。

硬件层面：采用异构的硬件系统，把不同类型的计算分配给最适合的硬件来执行。

意义

论文报告，ReCA 在保持任务成功率的同时，显著提升了任务完成效率和系统速度，并且在智能体数量增加时依然能很好地扩展。它说明，要让多机器人协作真正走向实用，不能只优化模型本身，还需要算法、系统和硬件的整体协同。