Flow Policy Gradients 如何用于机器人控制策略训练

研究提出改进的 flow matching 策略梯度目标，绕过可微动作似然计算，使策略输出不再局限于高斯等简单分布，在足式运动、人形动作跟踪和操作任务上均取得成功，并在两台人形机器人上实现稳健的 sim-to-real 迁移。消融与训练动态分析显示，策略可从零训练时利用 flow 表示进行探索，微调鲁棒性也优于基线方法。