快速稳健的Visuomotor黎曼流匹配策略
机器人学
2025-08-08 v3 机器学习
摘要
扩散式视觉运动策略在通过有效地将视觉数据与高维多模态动作分布相结合来学习复杂机器人任务方面表现突出。然而，扩散模型常因代价高昂的去噪过程或需要复杂的顺序训练而在推理速度上受限。本文引入黎曼流匹配策略 (Riemannian Flow Matching Policy, RFMP)，该模型继承了流匹配 (Flow Matching) 的易训练和快速推理能力。此外，RFMP天然地纳入了常见于现实机器人应用中的几何约束，因为机器人状态位于黎曼流形上。为增强RFMP的鲁棒性，我们提出了稳定RFMP (Stable RFMP, SRFMP)，其利用拉斯勒不变原理为FM的动力学提供对目标黎曼分布支持的稳定性。在十个模拟和真实世界任务上的严格评估表明，RFMP成功地在欧几里得空间和黎曼空间上学习并合成复杂的传感器运动策略，实现了高效的训练和推理阶段，优于扩散策略和一致性策略。
引用
@article{arxiv.2412.10855,
title = {Fast and Robust Visuomotor Riemannian Flow Matching Policy},
author = {Haoran Ding and Noémie Jaquier and Jan Peters and Leonel Rozo},
journal= {arXiv preprint arXiv:2412.10855},
year = {2025}
}
备注
Accepted for publication in IEEE T-RO. Project website: https://sites.google.com/view/rfmp 17 pages, 12 figures, 12 tables