基于非均匀时间调度的稠密跳跃流匹配用于机器人策略：缓解多步推理衰减
机器人学
2026-03-03 v2 人工智能
摘要
流匹配已成为机器人领域学习高质量生成策略的有竞争力框架；然而，我们发现一般化在流轨迹上早期即出现并饱和，与最新文献发现一致。我们进一步观察到，在推理过程中增加欧拉积分步数，反而普遍地降低策略性能。我们将其归因于：(i)额外的均匀间隔积分步骤会过采样late-time区域，从而将动作约束在训练轨迹上，降低一般化；(ii)随着积分时间接近1，学习到的速度场变得非 Lipschitz，导致不稳定。为解决这些问题，我们提出一种新策略，利用训练中的非均匀时间调度（例如U型），以强调早期和晚期时间阶段进行正则化训练；并在推理中采用稠密跳跃积分调度，超过跳跃点后使用单步积分取代多步积分，以避免以1为中心的不稳定区域。本质上，我们的策略是一个高效的单步学习者，仍通过多步积分推进性能，在多样化机器人任务上实现最高可达23.7%的性能提升。
引用
@article{arxiv.2509.13574,
title = {Dense-Jump Flow Matching with Non-Uniform Time Scheduling for Robotic Policies: Mitigating Multi-Step Inference Degradation},
author = {Zidong Chen and Zihao Guo and Peng Wang and ThankGod Itua Egbe and Yan Lyu and Chenghao Qian},
journal= {arXiv preprint arXiv:2509.13574},
year = {2026}
}