热点事件持续更新

RFPO让机器人流策略单步执行，性能接近64步

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Ting Huang 等研究者提出 RFPO 框架，用 Reward-aware 在线 Reflow 修正学生策略路径，并以冻结的 Gaussian PPO 控制器提供动作空间监督，使基于 Rectified Flow 的机器人控制策略只需单步 Euler 积分即可部署。在 Unitree Go2、Boston Dynamics Spot、Unitree H1 和 Unitree G1 上，单步执行的回报与对应 64 步值相差不超过 2.4%（零初始化与随机初始化均如此）；在 Go2 上单步保留 64 步奖励的 98.5%，机载平均推理延迟从 4.39 ms 降至 0.08 ms（54.9 倍加速），真机实验验证了稳定的单步运动。

AI 根据报道生成 · 7 小时前更新

最新进展10月8日 12:00

RFPO：面向机器人控制的流策略单步执行优化框架

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
RFPO：面向机器人控制的流策略单步执行优化框架
RFPO 是一个面向连续机器人控制的流策略优化框架，用 Reward-aware 在线 Reflow 修正学生策略的传输路径，并以冻结的 Gaussian PPO 控制器在完整与中间积分预算下提供动作空间监督，使部署策略只需单步 Euler 积分即可执行。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。