ArcFlow：面向多求解器预算训练流策略

ArcFlow 是一种部署感知的流策略训练算法，可在指定求解器预算范围内训练单一流策略，结合动作对齐监督、预算暴露与最差预算检查点选择。在 DM Control、操作与运动任务中，ArcFlow 在 30 个任务中的 25 个上取得五种流策略基线中最高的平均单步回报。该方法保持原有架构与部署时成本，组件研究显示边界监督、固定网格桥接、预算暴露与部署选择均带来互补提升。