OMP: One-step Meanflow Policy with Directional Alignment

📄 arXiv: 2512.19347v1 📥 PDF

作者: Han Fang, Yize Huang, Yuheng Zhao, Paul Weng, Xiao Li, Yutong Ban

分类: cs.RO

发布日期: 2025-12-22

💡 一句话要点

提出OMP：一种单步MeanFlow策略，通过方向对齐提升机器人操作性能

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人操作 MeanFlow 少样本学习 方向对齐 微分推导方程 雅可比向量积 生成策略

📋 核心要点

  1. 主流机器人操作策略，如扩散模型和Flow模型，分别存在推理延迟高和架构复杂的问题，限制了其应用。
  2. OMP通过引入余弦损失对齐速度方向，并利用微分推导方程优化雅可比向量积，从而提升策略的泛化能力和轨迹精度。
  3. 实验结果表明，OMP在Adroit和Meta-World任务上优于现有方法，尤其在Meta-World任务中表现出更强的少样本泛化能力。

📝 摘要（中文）

机器人操作是具身智能的关键能力。本文针对现有数据驱动的生成策略框架，如扩散模型推理延迟高、Flow模型架构复杂等问题，提出了一种改进的基于MeanFlow的策略OMP。该方法通过引入轻量级的余弦损失来对齐速度方向，并使用微分推导方程(DDE)优化雅可比向量积(JVP)算子。在Adroit和Meta-World任务上的实验表明，该方法在平均成功率上优于MP1和FlowPolicy，尤其是在具有挑战性的Meta-World任务中，有效增强了机器人操作策略的少样本泛化能力和轨迹精度，同时保持了实时性能，为高精度机器人操作提供了一种更鲁棒的解决方案。

🔬 方法详解

问题定义：论文旨在解决机器人操作任务中，现有生成策略（如扩散模型和Flow模型）存在的推理速度慢、模型复杂度高，以及MeanFlow方法泛化能力不足的问题。具体来说，MeanFlow方法由于其分散损失中的固定温度超参数，以及预测速度与真实速度方向的偏差，导致其在少样本学习场景下表现不佳。

核心思路：论文的核心思路是通过改进MeanFlow策略，使其在保持单步推理速度的同时，提升其少样本泛化能力和轨迹精度。具体而言，通过引入余弦损失来对齐预测速度和真实速度的方向，从而减少方向偏差；并使用微分推导方程（DDE）来优化雅可比向量积（JVP）算子，从而更有效地学习策略。

技术框架：OMP方法的核心框架是在MeanFlow的基础上进行改进。整体流程包括：1) 使用MeanFlow生成初始轨迹；2) 使用余弦损失对齐预测速度和真实速度的方向；3) 使用微分推导方程优化雅可比向量积算子；4) 使用优化后的策略进行机器人操作。

关键创新：论文的关键创新在于：1) 引入轻量级的余弦损失来对齐速度方向，这是一种简单而有效的方法，可以显著减少方向偏差；2) 使用微分推导方程（DDE）来优化雅可比向量积（JVP）算子，这可以更有效地学习策略，并提高轨迹精度。

关键设计：余弦损失的设计旨在最小化预测速度和真实速度之间的角度差异，其具体形式为：loss = 1 - cos(theta)，其中theta是两个速度向量之间的夹角。微分推导方程（DDE）用于计算雅可比向量积，其具体形式未知（需要查阅论文原文）。网络结构方面，论文使用了轻量级的网络结构，以保证实时性能。具体参数设置未知（需要查阅论文原文）。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，OMP在Adroit和Meta-World任务上均取得了显著的性能提升。尤其是在具有挑战性的Meta-World任务中，OMP的平均成功率优于MP1和FlowPolicy，表明其具有更强的少样本泛化能力。具体性能数据未知（需要查阅论文原文）。

🎯 应用场景

该研究成果可应用于各种需要高精度和实时性的机器人操作任务，例如工业自动化、医疗手术机器人、家庭服务机器人等。通过提高机器人操作的泛化能力和轨迹精度，可以使机器人在复杂和未知的环境中更好地完成任务，从而提高生产效率和服务质量。未来，该方法有望进一步扩展到更复杂的机器人系统和任务中。

📄 摘要（原文）

Robot manipulation, a key capability of embodied AI, has turned to data-driven generative policy frameworks, but mainstream approaches like Diffusion Models suffer from high inference latency and Flow-based Methods from increased architectural complexity. While simply applying meanFlow on robotic tasks achieves single-step inference and outperforms FlowPolicy, it lacks few-shot generalization due to fixed temperature hyperparameters in its Dispersive Loss and misaligned predicted-true mean velocities. To solve these issues, this study proposes an improved MeanFlow-based Policies: we introduce a lightweight Cosine Loss to align velocity directions and use the Differential Derivation Equation (DDE) to optimize the Jacobian-Vector Product (JVP) operator. Experiments on Adroit and Meta-World tasks show the proposed method outperforms MP1 and FlowPolicy in average success rate, especially in challenging Meta-World tasks, effectively enhancing few-shot generalization and trajectory accuracy of robot manipulation policies while maintaining real-time performance, offering a more robust solution for high-precision robotic manipulation.