ElasticFlow：具有弹性时间范围的一步物理一致策略，用于语言引导操作

扩散政策在具体人工智能方面表现出了卓越的表现。然而，它们的迭代去噪过程会导致高延迟，并且现有的加速方法往往会牺牲物理一致性。为了解决这个问题，我们提出了 ElasticFlow，一种无 蒸馏、物理一致的一步策略框架。我们通过直接建模平均速度场来重建平均场理论，从而实现从噪声到动作的直接单步映射。为了解决机器人任务的时间异质性，我们引入了弹性时间范围机制。该机制通过显式编码控制粒度，有效克服频谱偏差，实现语义指令和物理执行范围之间的高效对齐。在 LIBERO、CALVIN 和 RoboTwin 等基准测试上的实验表明，ElasticFlow 实现了高效的 1-NFE 推理（大约 71Hz）。此外，它在长期任务上优于最先进的方法，包括 OpenVLA 和 $π_0$，突显了其高效、稳健和语义对齐控制的潜力。