通过事先校正的正交信任域指导实现更平滑的动作分块流策略

流匹配机器人策略通常使用动作分块推理来实现高效的闭环控制，但块边界可能会引入不连续的动作转换。现有的 RTC 引导通过在去噪期间注入校正信号来提高连续性，但其权重方案在中间时间步长较弱，并且其不受约束的校正方向可能会引入横向扰动。我们提出 POTR，一种**p**先验校正的**正交**t**rust-**r**区域引导方法。首先，我们将数据先验尺度 $σ_d$ 纳入 RTC 指导权重中，从而产生更强的中间时间校正。其次，我们将引导向量分解为与去噪速度平行和垂直的分量，并将垂直分量限制在信任区域内。在具有 $π_{0.5}$ 的 LIBERO 上，与 RTC 相比，POTR 提高了成功率，并持续减少了块边界不连续性、加速度和急动度。消融表明，先前校正的权重提供了主要的校正增益，而正交信任区域进一步提高了稳定性。