PrT-Flow：可计算动作概率的流匹配方法

Congzhong Sun 与 Ning Tan 提出 PrT-Flow（概率可追踪流匹配），在保留多模态、多步动作生成的同时计算动作概率密度，其核心是让每个采样步可逆并高效计算 Jacobian 行列式的 Jacobian-Tractable Transformer（JTT）。作者称在一定假设下，CET 训练与拟合 Flow Matching 的 Euler 求解更新具有相同最小值。 实验中，PrT-Flow 在 Robomimic Lift 上经 300 个模仿学习 epoch 达到 96% 成功率，与 diffusion policy 参考结果持平；在 OGBench Cube-Triple 上经 60 万步在线训练达到 96% 成功率。代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。