流即流：将机器人速度场建模为基于流的对象操纵的概率速度场

跨实施例数据已成为训练机器人基础模型的核心。为了利用这种异构数据，我们专注于基于流的对象操作，其中机器人流（机器人速度场）充当与实施例无关的运动表示。以前的研究并未将机器人流表述为密集速度场，而是将其表述为稀疏关键点的位移，尽管密集速度场更好地匹配运动的连续时间性质。为了解决这个问题，我们提出了 Flow as Flow，这是一个基于流匹配公式将机器人流建模为概率流的框架。通过在该公式中自然地建模此类速度场，我们的方法实现了高效且高质量的机器人流生成。在标准基准测试中，我们的方法在标准指标上优于代表性基线方法，同时生成速度比标准流匹配快约 24 倍。此外，通过现实世界的实验评估 9 种方法，每种方法在 13 个操作任务中进行 260 次试验，我们表明我们的方法比基线方法实现了更高的平均成功率。