Flow Policy Gradients 用于机器人控制的策略梯度方法

论文提出用 flow matching 策略梯度这一绕开似然计算的框架，训练和微调更具表达力的机器人控制策略。作者引入改进的目标函数，使其在腿式运动、人形动作跟踪和操作任务上取得成功，并在两台人形机器人上实现稳健的 sim-to-real 迁移；消融与训练动力学分析显示，从零训练时策略可利用 flow 表示进行探索，微调稳健性也优于基线。