影音先锋橹撸资源_人妻少妇孑伦无码视频_日本女人牲交视频免费看_国产香蕉视频上线免费_波多野结超清无码中文影片_婷婷色丁香五月激情综合在线观看_寡妇高潮流白浆A片_国产精品九色 Av_花房姑娘电影未删减版免费观看_国产亚洲综合一区三区在线播放

作者介紹：盛舉義，北京大學在讀博士研究生，研究方向為機器人操作技能學習方法研究；王梓懿、李培銘，北京大學在讀碩士研究生，研究方向為視頻理解分析；劉勇，浙江大學控制科學與工程學院教授，研究領域為自主機器人與智能系統(tǒng)；劉夢源，北京大學深圳研究生院助理教授，研究領域為人類行為理解與機器人技能學習。

在目前的VLA模型中，「A」—動作生成模型決定了動作生成的質量以及速度。具體而言，生成式模型在推理速度與任務成功率之間存在「根本性權衡」。

其中，DiffusionModels（如DiffusionPolicy和DP3）通過多步迭代生成高質量動作序列，但推理速度較慢，難以滿足實時控制要求；而Flow-based模型（如FlowPolicy）盡管能提供快速推理，但需要額外的架構約束或一致性損失（consistencyloss）來保證軌跡的有效性，這增加了設計復雜性并可能限制性能和泛化能力。

此外，機器人操作面臨另一個挑戰(zhàn)，即數(shù)據(jù)高效的少樣本泛化。標準模仿學習策略容易出現(xiàn)「特征坍塌（featurecollapse）」，即將需要不同動作的關鍵狀態(tài)錯誤地映射到相似的潛在表征latentrepresentation）上，導致模型在新情境下無法做出準確反應。因此，提升模型對不同狀態(tài)的區(qū)分能力是提高策略泛化性的關鍵。

為應對上述挑戰(zhàn)，來自北大的研究團隊提出名為MP1的全新機器人學習框架。該框架首次將近期在圖像生成領域取得突破的MeanFlow范式引入機器人學習，實現(xiàn)毫秒級推理速度，為VLA動作生成模型打下基礎。

論文標題：MP1:MeanFlowTamesPolicyLearningin1-stepforRoboticManipulation論文鏈接:https://arxiv.org/abs/2507.10543代碼鏈接:https://github.com/LogSSim/MP1

MP1的核心引擎——MeanFlow范式

MP1的核心創(chuàng)新在于其生成范式的根本轉變。傳統(tǒng)FlowMatching學習的是一個瞬時速度場（instantaneousvelocityfield），在推理時需要通過迭代式求解常微分方程（ODE）來積分生成軌跡，這一過程不僅耗時，且會引入并累積數(shù)值誤差。與之相反，MP1直接學習從初始噪聲到目標動作的區(qū)間平均速度場（interval-averagedvelocityfield）。

技術上，MP1利用了「MeanFlowIdentity」，使模型能夠直接對平均速度場進行建模，而無需在推理時進行任何積分求解。這一設計帶來了兩大核心優(yōu)勢：

真正的單步生成（1-NFE）：模型僅需一次網(wǎng)絡前向傳播，即可從隨機噪聲直接生成完整動作軌跡，徹底擺脫了對迭代式ODE求解器的依賴。無約束的簡潔性：得益于其數(shù)學形式的完備性，MP1天然保證了軌跡質量，無需引入FlowPolicy等方法所依賴的外部一致性約束，使模型設計更為簡潔、優(yōu)雅。

這種從數(shù)學原理上解決問題的方式，而非依賴工程技巧進行修補，使得MP1不僅實現(xiàn)了速度的飛躍，更重要的是，其單次、確定性的前向傳播過程保證了推理時間的高度穩(wěn)定，這能夠保證機器人操作任務中的實時性。

分散損失提升少樣本泛化能力

在解決軌跡生成的動態(tài)問題后，MP1針對機器人學習中的「表征坍塌」問題進行了改進。該問題指的是策略網(wǎng)絡將需要不同動作的關鍵狀態(tài)錯誤地映射到相近的潛在空間位置，從而導致模型在少樣本學習中泛化能力下降。

MP1引入了來自表征學習領域的最新方法——分散損失（DispersiveLoss）。這是一種輕量級、僅在訓練階段生效的正則化項，旨在直接優(yōu)化策略網(wǎng)絡的內部表征空間。其核心思想是在訓練的每個mini-batch中，對不同輸入樣本的潛在表征施加一種「排斥力」，強制它們在特征空間中相互分散。該損失可以被理解為一種「無正樣本的對比損失」：策略網(wǎng)絡主要的回歸目標負責將每個狀態(tài)「拉向」其對應的專家動作，而分散損失則負責將不同狀態(tài)的表征相互「推開」，從而塑造出一個更具辨識度的特征空間。

分散損失的關鍵優(yōu)勢在于它是一個僅在訓練時生效的正則化器，在不增加任何推理開銷的前提下，顯著提升了模型區(qū)分細微場景差異的能力，完美保留了MP1標志性的毫秒級響應速度。在數(shù)據(jù)采集成本高昂的機器人領域，這種能從極少量（如5-10個）示教中高效學習的能力至關重要。

MP1的仿真測試表現(xiàn)

MP1的性能優(yōu)勢在涵蓋37個復雜操作任務的Adroit與Meta-World基準測試中得到了驗證。

出色的任務成功率與穩(wěn)定性

在任務成功率方面，MP1平均成功率達到78.9%，相較于當前先進的流模型FlowPolicy(71.6%)和擴散模型DP3(68.7%)，分別實現(xiàn)了7.3%和10.2%的顯著提升。

尤為關鍵的是，MP1的優(yōu)勢在更高難度的任務中愈發(fā)凸顯。在Meta-World的「中等」、「困難」及「非常困難」任務集上，MP1相較于FlowPolicy的成功率增幅分別高達9.8%、17.9%和15.0%。此外，MP1展現(xiàn)出極高的性能穩(wěn)定性。在多次隨機種子實驗中，其成功率的平均標準差僅為±2.1%，遠低于其他基線方法，證明了其結果的高度可靠性與可復現(xiàn)性。

卓越的推理效率與實時控制能力

在實現(xiàn)更高成功率的同時，MP1的推理速度同樣刷新了紀錄。在NVIDIARTX4090GPU上，其平均推理耗時僅為6.8ms

這一速度比當前最快的流模型FlowPolicy(12.6ms)快了近2倍，更比強大的擴散模型DP3(132.2ms)快了19倍。如此低的延遲意味著MP1的決策環(huán)路完全滿足機器人領域典型的實時控制頻率（通常為20-50毫秒）。

少樣本學習能力驗證

為了進一步驗證分散損失在提升模型數(shù)據(jù)效率上的作用，研究團隊還進行了少樣本學習的消融實驗。

實驗結果表明，MP1在所有數(shù)據(jù)量級上均一致地優(yōu)于FlowPolicy，尤其是在示教數(shù)據(jù)極為稀少（如2-5個）的極端少樣本場景下。這有力地證明了分散損失通過優(yōu)化內部表征空間，能夠有效提升策略少樣本學習的泛化能力，這可以降低真機部署時大量數(shù)據(jù)的需求。

MP1的真機驗證

研究團隊將MP1部署于一臺ARXR5雙臂機器人上，并在五個真實的桌面操作任務中進行了測試。

實驗結果進一步印證了MP1的性能。在所有五項任務中，MP1均取得了最高的成功率和最短的任務完成時間。以「Hummer」任務為例，MP1的成功率高達90%，遠超F(xiàn)lowPolicy和DP3的70%；同時，其平均任務耗時僅18.6秒，顯著快于FlowPolicy（22.3秒）和DP3（31.1秒）。