Flow Matching Policies for Robotics: A Review

本文系统综述了机器人领域流匹配策略（Flow Matching Policies）的最新进展。流匹配策略通过学习连续时间向量场将噪声转化为动作，相比扩散策略具有更快的推理速度和更稳定的训练过程，是机器人操作策略学习的新兴方向。文章分析了无条件流匹配、条件流匹配、引导流匹配、流匹配与强化学习结合等核心方法，以及动作分块、时间一致性、推理加速等关键技术。适用场景包括机器人操作、灵巧手控制、移动操作等需要多模态动作的领域。来源机构包括Google DeepMind、UC Berkeley、MIT等顶尖研究机构。