在機(jī)器人領(lǐng)域，擴(kuò)散策略（Diffusion Policy）已經(jīng)成為了標(biāo)準(zhǔn)模仿學(xué)習(xí)策略和 VLA 動作生成范式，但其「從隨機(jī)噪聲中迭代解噪」的機(jī)制帶來了不容忽視的推理延遲。如果機(jī)器人不再從隨機(jī)高斯噪聲開始「盲猜」，是否可以基于「剛剛做了什么」來預(yù)測「下一步做什么」呢？

新加坡南洋理工大學(xué) MARS Lab 提出Action-to-Action (A2A) Flow Matching新范式：以歷史機(jī)器人軌跡而非隨機(jī)噪聲作為生成起點(diǎn)，打破了生成速度與精度的雙重瓶頸，實(shí)現(xiàn)了更高訓(xùn)練效率、極速推理響應(yīng)及卓越的泛化表現(xiàn)。

• Website：https://lorenzo-0-0.github.io/A2A_Flow_Matching
• ArXiv：https://arxiv.org/pdf/2602.07322
• Code：https://github.com/JIAjindou/A2A_Flow_Matching

背景

擴(kuò)散策略已成為機(jī)器人多模態(tài)動作建模的主流方法，但其依賴從隨機(jī)噪聲中進(jìn)行多步迭代解噪，推理延遲較高，在實(shí)時控制場景中構(gòu)成關(guān)鍵瓶頸。雖然現(xiàn)有工作嘗試優(yōu)化噪聲初始化，但仍未擺脫「從噪聲到數(shù)據(jù)」的長程生成路徑。

這種「去噪」思維源自圖像生成，但并不完全適用于機(jī)器人控制。與缺乏先驗(yàn)的圖像合成不同，機(jī)器人擁有持續(xù)反饋的自身狀態(tài)信號，具有顯著的物理一致性與運(yùn)動連續(xù)性。A2A 的核心洞察在于：既然擴(kuò)散模型本質(zhì)是學(xué)習(xí)分布間的映射，為何不將起點(diǎn)更換為信息密度更高、距離目標(biāo)分布更近的歷史狀態(tài)先驗(yàn)？

核心范式

A2A 策略的設(shè)計邏輯極具直覺：將動作生成的基準(zhǔn)從「隨機(jī)噪聲」切換為「動作歷史」

傳統(tǒng)擴(kuò)散策略往往采取 Noise-to-Action 機(jī)制，而 A2A 則直接在更具相關(guān)性的歷史與未來動作分布間建立聯(lián)系。為了更進(jìn)一步拉近分布距離，我們在潛空間完成 Flow Matching 學(xué)習(xí)。具體地，在 Flow 訓(xùn)練目標(biāo)函數(shù)中

與傳統(tǒng) Flow Matching 不同之處在于，我們將初始分布由高斯噪聲替換為歷史 Action 的編碼信號，進(jìn)而使得流型梯度極易被神經(jīng)網(wǎng)絡(luò)捕捉。

實(shí)驗(yàn)證明，這種設(shè)計使得起點(diǎn)與終點(diǎn)的物理距離極近且分布高度對齊。得益于極短的傳輸路徑，A2A 僅憑輕量級 MLP 架構(gòu)與單步 Euler 積分即可快速生成高質(zhì)量動作。

評估

在多項仿真（ManiSkill, RLBench, LIBERO）與真實(shí) Franka 機(jī)器人任務(wù)中，A2A 展現(xiàn)出了極佳的訓(xùn)練效率、推理速度、以及泛化能力。

首先訓(xùn)練效率方面，A2A 展現(xiàn)出極快的收斂速度，僅需少量訓(xùn)練輪次即可達(dá)到穩(wěn)定的 100% 成功率。在 5 類仿真任務(wù)中，其成功率全面領(lǐng)先于 8 種主流方法，并在有限數(shù)據(jù)下也能夠維持高性能表現(xiàn)。

此外，推理速度方面，A2A 實(shí)現(xiàn)了亞毫秒級的極致推理速度，平均延遲僅約 1ms，在單步推理模式下延遲更是低至 0.56ms，比傳統(tǒng)擴(kuò)散策略快 20 倍，比常規(guī)流匹配方法（10 步）快 5 倍。

最后，A2A 極大提升了視覺泛化性。例如，實(shí)驗(yàn)中將抓取木塊換成從未見過的發(fā)光方塊，傳統(tǒng)擴(kuò)散和流匹配策略均會徹底失效，而 A2A 仍可維持 80% 的高成功率。

無論是面對場景隨機(jī)化（Level 1）、燈光擾動（Level 2）還是視角切換（Level 3），A2A 的成功率均領(lǐng)先于現(xiàn)有算法 。這歸功于 A2A 的解耦策略，將動作歷史作為穩(wěn)固的先驗(yàn)，減少了對易受干擾視覺特征的依賴。

提升空間與發(fā)展?jié)摿?/strong>

A2A 目前訓(xùn)練過程涉及多個訓(xùn)練目標(biāo)，如何進(jìn)一步簡化訓(xùn)練目標(biāo)值得進(jìn)一步探索。此外，A2A 的邏輯普適于各類具有時間連續(xù)性的任務(wù)。研究團(tuán)隊將其擴(kuò)展至視頻生成領(lǐng)域，提出了F2F（Frames-to-Frames) 范式。通過在潛空間將歷史幀映射至未來幀，F(xiàn)2F 生成的圖像質(zhì)量指標(biāo)（PSNR、SSIM 等）顯著優(yōu)于傳統(tǒng)的確定性回歸基準(zhǔn)，展現(xiàn)了廣闊的具身智能應(yīng)用前景。

主要作者信息

賈金豆：新加坡南洋理工大學(xué) MARS Lab 博士后，研究方向包括 VLA、擴(kuò)散生成模型等。以第一作者在 IJRR、TRO、ICLR oral、RAL、TAES、CEP、ICRA 等期刊會議上發(fā)表多篇論文。個人主頁：https://jiajindou.github.io/。

李根：新加坡南洋理工大學(xué) MARS Lab 博士后，研究方向包括具身智能、VLA 等。在 NMI、CVPR、ICCV 等頂級期刊與會議發(fā)表多篇論文。個人主頁：https://reagan1311.github.io/。

楊劍飛：新加坡南洋理工大學(xué)機(jī)械與宇航學(xué)院和電子與電氣工程學(xué)院雙聘助理教授，博士生導(dǎo)師，MARS Lab 主任，主要研究方向?yàn)槎嗄B(tài)具身智能。曾在加州大學(xué)伯克利分校、哈佛大學(xué)和東京大學(xué)進(jìn)行學(xué)術(shù)研究。個人主頁：https://marsyang.site/。