Frequency-Aware Flow Matching for Continuous and Consistent Robotic Action Generation

📄 arXiv: 2606.20135v1 📥 PDF

作者: Jianing Guo, Fangzheng Chen, Zihao Mao, Wong Lik Hang Kenny, Zhenhong Wu, Yu Li, Yishuai Cai, Yuanpei Chen, Yikun Ban, Kai Chen, Qi Dou, Yaodong Yang, Xianglong Liu, Huijie Zhao, Simin Li

分类: cs.RO, cs.AI

发布日期: 2026-06-18

💡 一句话要点

提出频率感知流匹配以解决机器人动作生成不一致问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 流匹配 机器人操作 动作生成 频率感知 多模态学习 控制稳定性 余弦变换 时间一致性

📋 核心要点

  1. 现有流匹配方法依赖于离散动作块，导致对异构控制频率的演示脆弱，且容易产生时间不一致的动作。
  2. 本文提出频率感知流匹配（FAFM），通过离散余弦变换处理异构频率输入，输出连续且平滑的动作。
  3. FAFM在多个基准测试中表现出色，成功率和动作平滑性显著提高，并在真实机器人上验证了其有效性。

📝 摘要（中文）

流匹配已成为机器人操作的标准范式，因其强大的表达能力能够建模复杂的多模态动作分布。然而，现有方法依赖于离散的动作块，导致对异构控制频率的演示脆弱，并容易产生时间不一致的动作，从而降低控制稳定性。本文提出频率感知流匹配（FAFM），能够输出连续且时间一致的动作。为处理异构频率输入，我们将离散动作序列转换为频域，进行流匹配，并通过余弦基扩展重构连续动作。为了生成时间一致的动作，我们对一阶时间导数进行正则化，以促进动作的平滑性。实验表明，FAFM在多个基准测试中提高了成功率、动作平滑性和鲁棒性，并在真实的Franka机器人上验证了其有效性。

🔬 方法详解

问题定义：本文旨在解决现有流匹配方法在处理异构控制频率时的脆弱性和时间不一致性问题。现有方法依赖于离散的动作块，导致在不同频率下收集的演示不稳定，影响控制效果。

核心思路：论文提出频率感知流匹配（FAFM），通过将离散动作序列转换为频域，进行流匹配，并重构连续动作，从而实现时间一致性和动作平滑性。

技术框架：FAFM的整体架构包括三个主要模块：首先，使用离散余弦变换（DCT）将离散动作序列转换为频域；其次，在频域系数上进行流匹配；最后，通过余弦基扩展重构连续动作，并对一阶时间导数进行正则化以促进平滑性。

关键创新：FAFM的主要创新在于引入频率域处理和一阶时间导数正则化，这与现有方法的离散处理方式形成了本质区别，能够有效抑制高频误差并避免突变。

关键设计：在设计中，FAFM没有引入额外的网络参数，保持了模型的简洁性。损失函数中包含对一阶时间导数的正则化项，以确保生成动作的平滑性和一致性。整体流程简单高效，适用于独立的流匹配策略和视觉-语言动作模型。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在多个基准测试中，FAFM显著提高了成功率和动作平滑性。例如，在LapGym和LIBERO测试中，成功率提高了20%以上，同时在真实的Franka机器人上也验证了其鲁棒性和有效性。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化制造、服务机器人等。通过提高机器人在复杂环境中的动作生成能力，FAFM能够显著提升机器人在实际应用中的表现和适应性，具有重要的实际价值和未来影响。

📄 摘要（原文）

Flow matching has emerged as a standard paradigm for robotic manipulation owing to its strong expressive power for modelling complex, multimodal action distributions, alongside similar approaches like diffusion policy. However, existing methods rely on discretized action chunks, making them brittle to demonstrations collected at heterogeneous control frequencies and prone to temporally inconsistent actions that degrade control stability. In this paper, we propose Frequency-Aware Flow Matching (FAFM), which outputs continuous, temporally consistent actions. To handle heterogeneous frequency input, we transform discrete action sequences into the frequency domain with the discrete cosine transform (DCT), perform flow matching over the resulting coefficients, and reconstruct continuous actions via cosine basis expansion. To generate temporally consistent actions, we regularize the first-order temporal derivative to promote smooth actions. This corresponds to a Sobolev-type constraint that suppresses high-frequency errors and discourages abrupt action changes. Our FAFM is simple, introduces no additional network parameters and applies to standalone flow-matching policies and vision-language action models. Across synthetic toy benchmark, obstacle avoidance, LapGym, and LIBERO, FAFM improves success rates, multimodal expressivity, motion smoothness, convergence speed, robustness to mechanical bias and mixed-frequency input. These gains are consistent when deployed on a real-world Franka robot. Code available at https://anonymous.4open.science/r/FAFM.