机器人领域迎来重大突破！LaST₀模型创新性地采用潜在时空思维链与双系统架构，完美平衡深度推理与高频动作控制，为具身智能发展开辟新路径。下面将深入解析这项前沿技术的核心原理与卓越表现。

核心贡献与技术亮点

LaST₀ 最大的突破在于它放弃了传统的基于显式文本或 Token 的思维链，转而引入了"潜在时空思维链（Latent Spatio-Temporal CoT）"。这意味着，LaST₀ 不再试图用"语言"去生硬地描述复杂的物理规律，而是在一个高度紧凑的隐式空间中自回归地预测未来的二维图像、三维点云和本体感知状态。这种设计不仅能精准捕捉那些"只可意会不可言传"的精细物理与机器人动力学，还大幅提升了动作在时间序列上的连贯性。

为了实现极高的运行效率，LaST₀ 借鉴了人类"快慢思考"的模式，基于 Mixture-of-Transformers (MoT) 设计了双系统架构：

1. 慢速推理专家（深度思考）：负责低频运行，在隐式空间中提取并处理复杂的时空依赖关系，构建对环境的深刻认知。
2. 快速动作专家（敏捷执行）：负责高频运行，根据最新的环境观测和慢速专家提供的隐式表示，直接在动作空间中生成实时的控制指令。

通过共享自注意力机制，两位"专家"在同一个 VLA 模型（均由预训练的 Janus-Pro 初始化）中实现了无缝的长上下文交互，完美协调了推理与控制。不仅如此，在下游联合训练中，模型还学会了在不同快慢操作频率比率下自适应切换。在 10 项仿真任务和 10 项复杂的真实世界任务（涵盖桌面单/双臂、移动底座、灵巧手等多种操作场景）的系统评估中，LaST₀ 交出了极其亮眼的答卷：

1. 仿真环境：成功率超越此前 SOTA（最先进）方法 8%。
2. 真实场景：在三大真实场景中分别实现 13%、14% 和 14% 的显著性能提升。
3. 极致加速：相比以往的显式 CoT VLA 模型，推理速度实现了惊人的 14倍提升！

此外，LaST₀ 在长程任务中表现出极强的动态适应性，例如能够轻松应对动态环境变化，完成"连续从锅中舀起鸡蛋"等复杂操作。

潜在时空思维链机制

为了让机器人能够"领悟"那些难以用语言描述的精细物理规律与动力学特征，并实现高效的时序建模，研究团队创新性地构建了潜在时空思维链（Latent Spatio-Temporal CoT，简称 LaST CoT）。其核心技术拆解如下：

1、三重模态融合，构建"隐式感知空间"

为了精准预判未来的物理世界，研究团队从三个互补的维度提取了未来时间步 k∈{1, …,H}的特征，形成完整的物理表示：

1. 视觉隐式表示 zₖᵛ：利用冻结的 SigLIP-Large 编码器处理未来的 RGB 图像 Iₜ₊ₖ
2. 几何隐式表示 zₖᵖ：通过 Uni3D 编码器处理未来的 3D 点云 Pₜ₊ₖ，精准捕捉空间占据情况。
3. 本体感知表示 zₖˢ：通过动作分词器，将未来的机器人状态 sₜ₊ₖ 转换为隐式特征。

为了确保极高的推理效率，研究团队没有选择解码高昂的像素级图像或长文本序列。相反，他们通过平均池化，将上述高维特征图直接压缩为单个代表性的 Token，生成了一组紧凑的嵌入 {zₖᵛ, zₖᵖ, zₖˢ}。这些 Token 按时间顺序交错排列，极大地帮助模型学习不同模态间随时间变化的物理因果关系。

2、引入特殊占位符，规范序列结构

为了让"思考"与"行动"更有条理，研究团队在序列中引入了三个特殊 Token：、 以及占位符 。

1. 训练阶段：模型使用真实的隐式序列替换掉 ，通过标准的 Teacher Forcing 机制学习环境的转换动力学。
2. 推理阶段：慢速推理专家会以 起头，自回归地生成隐式嵌入，逐一填满 的位置，直到覆盖预设的预测时间范围。

3、连续隐式回归，精准对齐物理动态

虽然慢速推理专家的思考过程是自回归的（一步接一步），但研究团队并没有采用大语言模型中常见的"离散 Token 概率预测"来训练它，而是选择了一条更契合物理世界运作规律的道路——连续隐式回归。

1. "下一步预测"机制：慢速专家会在已知当前环境和上下文的情况下，预测出一系列未来的潜在推理状态。
2. 告别传统 CoT 的离散预测：传统的思维链（CoT）通常是在预测下一个"词"，但研究团队的隐式目标，是一组能够真正编码未来物理世界状态的连续高维嵌入向量。
3. 余弦相似度对齐：为了让模型预测的隐式表示与真实的未来状态高度一致，研究团队采用了"余弦相似度"作为监督目标。

双系统协作架构

为了让机器人的"深度思考"（LaST CoT 推理）与"敏捷行动"（高频控制）互不拖累，研究团队创新性地引入了一种异步频率机制。

简单来说，研究团队设置了一组更新比率 k（例如 k∈{2,4,8}）），通过这把"标尺"成功解耦了两个专家的运行节奏，让它们各司其职：

1. 慢速推理专家（主导思考）：在稀疏的关键帧（即 t mod κ = 0时）被唤醒。会接收自然语言指令和低频观测数据I_slow，通过自回归推演出包含未来物理动态的隐式思维链。在连续关键帧的间隙（即 t mod κ ≠ 0 时）会进入"休眠"状态以节省算力开销。
2. 快速执行专家（主导执行）：始终以原生的控制频率高频运转，在每个时间步都保持活跃。它专为快速闭环反馈而生，仅接收高频观测数据I_fast。当慢速专家处于休眠期时，快速专家会直接以最新生成的"潜在推理输出"为指导，实时生成具体动作。

为了打破不同运行频率和数据源带来的沟通壁垒，MoT 架构巧妙地维护了一个统一的 Token 序列，使得快速执行专家能够通过共享注意力机制，高效提取语言目标与隐式 CoT Token，轻松实现了跨频段的无缝协同。

实验评估

为了验证 LaST₀ 的实际效果，研究团队在 RLBench 模拟器中对其进行了严格的压力测试。结果表明，LaST₀ 不仅"想得深"，而且"动得快"。

1、成功率断层领先，霸榜多项核心任务

在 10 项复杂的 RLBench 操作任务中，LaST₀-3.3B 模型（在 1:4 的快慢评估比例下）交出了高达 82% 的平均成功率答卷。这一成绩直接拉开了与现有最强方法的差距：

1. 相较 HybridVLA-7B (74%) 高出 8%
2. 相较 π0.5-