面向机器人基础模型的 Kinematic MeanFlow 单步动作生成策略

摘要

针对机器人基础模型（RFMs）多步流匹配推理延迟高的问题，论文提出 Kinematic MeanFlow（K-MF）单步动作生成策略。作者发现直接套用 MeanFlow 会性能崩溃，根源是 RFM 速度场的两种动力学特征：局部加速度早期稳定、去噪末期急剧上升，且各样本幅度差异随去噪推进而扩大。K-MF 依据运动学恒等式把 MeanFlow 的时间导数项拆为由中间点分隔的两个子区间项，分别刻画早、晚期去噪动力学并抑制误差放大。结果显示，K-MF 在从头训练与微调范式的多样任务上实现单步生成，多数设置优于多步流匹配；GR00T-N1.6 动作头延迟在 L40 与 Jetson Orin 上降低 67.5%~74.4%，端到端延迟降低 30.3%~54.9%。