PFM-HR：面向人形机器人的姿态流匹配

PFM-HR 是直接在大规模无序姿态数据上训练的可复用流匹配先验，用于人形机器人物理跟踪的强化学习。它提出 Pose Geometry Score（PGS），量化 rollout 中关节坐标变化与先验所捕捉姿态变化局部几何的一致性，并用 PGS 调制跟踪奖励引导策略探索，先验在各项跟踪任务中保持冻结。实验显示 PFM-HR 提升了单一动作与通用动作跟踪，在高动态动作上尤为明显。