流匹配策略的欧拉步数不能只看终点误差:冻结的π0.5检查点30个输入上未发现采样到的稳定性违规
核心概要
流匹配机器人策略通常按离线终点精度扫描来固定欧拉步数,但每个策略输入与噪声抽样都对应不同的噪声到动作轨迹,轨迹精度与局部稳定性可能给出不同的步数要求。一个精确二坐标系统与六个受控训练的流模型显示,在不改变原有学习传输的情况下,两者确实可以分离。对冻结的π0.5-LIBERO检查点,30个策略输入上采样到的收缩模式均未违反欧拉非扩张条件;其中5个配对输入在5%终点误差下只需4–9步,收紧到1%则需87–112步。
深度剖析
流匹配策略的欧拉步数预算需要同时面对两个数值要求:沿名义轨迹的终点精度,以及欧拉更新对轨迹附近扰动的局部稳定性。 此前的做法是在固定评估集上扫描若干步数,选一个终点精度可接受的值作为全局预算。 一个精确二坐标系统在1000个初始条件下验证了联合步数定理,四组参数分别对应宽松、精度受限、稳定性受限与双重受限四种情形;其中加速度低而收缩强的一组,第一坐标一步即达精度容差,欧拉却至少需要25步才不放大收缩方向。
在训练好的流模型上,可以只改变局部收缩强度而不改变原有学习到的传输,从而把稳定性要求单独移出来。 两个目标分布各训练三个独立检查点,再各加一个不反馈到原速度场的收缩坐标。 加入收缩率后,六个检查点都精确落在5、13、25步的稳定性下界上;在稳定性下界为25步的那一档,八高斯目标的完整终点误差在18步即满足5%容差,双稳Langevin目标约22步,说明终点误差可以漏掉单独的稳定性要求。
在冻结的π0.5-LIBERO检查点上,按网格感知的判据没有发现采样到的收缩模式违反欧拉非扩张条件。 此前没有在预训练机器人策略的原生动作流场上区分精度与稳定性这两个要求。 30个来自10个LIBERO-10任务的早期rollout策略输入共享同一噪声种子,采样稳定性测度落在0.5088–0.5252之间,均值约0.513,均未越过充分条件边界1;任务00的完整320维雅可比在终点附近有319个正实部特征值,但对应欧拉网格上的最大放大因子为0.506。
在这批输入上,收紧数值容差带来的额外步数由轨迹精度而非采样到的稳定性违规驱动。 5个配对输入同时具备精度扫描与稳定性测度。 所需欧拉步数从5%终点误差下的4–9步,增至2%下的27–39步和1%下的87–112步,而对应的采样稳定性测度仍紧密聚集在0.5088–0.5171。
启示与展望
分析对象是冻结的pi05_libero检查点,权重与动作动力学均未改动,评估限于10个LIBERO-10任务各前三个策略输入共30个早期rollout输入,且共享同一噪声种子456;配对精度扫描只在任务00、02、04、06、08的context_00这5个输入上完成。受控实验覆盖八高斯与双稳Langevin两个目标分布、每个三个独立训练种子。
稳定性检验是局部的、基于冻结时刻的雅可比特征值,不覆盖非正规动力学可能带来的瞬态增长,也未包含每个状态的全部特征值与整个时间区间;未发现采样违规不等于整条轨迹满足条件。数值精度与局部稳定性都不保证机器人行为成功,学习策略本身仍可能给出差动作。作者提出下一步应扩展到更多预训练策略、噪声抽样与完整机器人rollout,并在动作终点附近加密雅可比评估、做直接扰动实验。
