正规化流：双手视觉运动策略的可行模型
机器人学
2026-02-26 v2
摘要
通用机器人领域最近拥抱了强大的概率扩散模型，以学习复杂化身行为。然而，这些模型常常面临显著的权衡，即推理时的高计算成本以及基本无法量化输出不确定性。我们引入了正规化流策略（NF-P），一种基于条件正规化流的双手视觉运动策略。NF-P学习动作序列的条件密度，实现单次生成采样并具备可计算的可靠性。凭借这一特性，我们提出了两种推理时优化策略：随机批量选择挑选采样候选方案中最高可靠性的轨迹，以及梯度细化直接对对数可靠性进行梯度上升以提高动作质量。在仿真和实际机器人实验中，NF-P相较于基线实现了有前景的成功率。除了 improved 任务性能之外，NF-P还表现出更快的训练速度和更低的推理延迟。这些结果确立了正规化流作为竞争且计算高效的视觉运动策略，尤其适用于实时、具不确定性感知的机器人控制。
引用
@article{arxiv.2509.21073,
title = {Normalizing Flows are Capable Models for Bi-manual Visuomotor Policy},
author = {Jialong Li and Simon Kristoffersson Lind and Wenrui Xie and Maj Stenmark and Volker Krüger},
journal= {arXiv preprint arXiv:2509.21073},
year = {2026}
}