一步流策略：用于快速视觉运动策略的自蒸馏
机器人学
2026-03-16 v1 人工智能
摘要
生成式流和扩散模型提供了用于高精度机器人策略所需的连续、多模态动作分布。然而，它们依赖于迭代抽样，导致严重的推理延迟，降低控制频率并损害时间敏感操作中的性能。为此，我们提出了 One-Step Flow Policy (OFP)，一个从零开始的自蒸馏框架，用于在无需预训练教师的条件下实现高保真、单步动作生成。OFP 统一了自一致性损失以确保跨时间间隔的稳定运输，以及自引导正则化以将预测锐化至高密度专家模式。此外，一种温暖启动机制利用时序动作相关性来最小化生成式运输距离。在 56 个多样化模拟操作任务上的评估表明，单步 OFP 实现了最先进的成绩，超过了 100 步的扩散和流策略，同时将动作生成加速了 100 倍以上。我们进一步将 OFP 集成到 RoboTwin 2.0 上的 模型中，其中单步 OFP 超过原始 10 步策略。这些结果表明 OFP 是一种实用且可扩展的解决方案，能够实现高度准确和低延迟的机器人控制。
引用
@article{arxiv.2603.12480,
title = {One-Step Flow Policy: Self-Distillation for Fast Visuomotor Policies},
author = {Shaolong Li and Lichao Sun and Yongchao Chen},
journal= {arXiv preprint arXiv:2603.12480},
year = {2026}
}