OptiFlow：用价值加权最优传输学习多模态一步流策略

OptiFlow 通过状态级熵最优传输，将价值感知参考流策略与高效一步策略联合训练，实现离线强化学习中的一步流策略学习。该方法用 critic 估计值确定蒸馏目标动作的优先级，并以动作距离成本保证配对几何兼容，避免直接最大化 critic，从而锚定数据支持的高价值模态。