清华 SAFLOW 论文入选 NeurIPS,8 项具身控制任务回报全部第一
青稞AI · wechat · 2026-10-21
清华大学车辆学院与人工智能学院团队的论文《Self-Adjoint Flow Policy Optimization》被 NeurIPS 2026 接收(OpenReview 评分 5/5/5/4),提出面向在线强化学习的自伴随生成式策略 SAFLOW,第一作者为 2021 级直博生占国建。
论文针对流匹配等生成式策略在在线 RL 中的「似然盲区」:扩散/流策略能表达多峰动作分布,但常规显式欧拉离散法正逆向不一致,导致动作似然与策略比率计算有数值偏差。SAFLOW 借鉴保辛积分思想,用 Verlet 对称分裂(kick-drift-kick)构造自伴随策略流,使动作采样与似然评估沿同一套离散规则精确可逆,并将二阶一致性传递至策略比率与优化目标。
实验结果:在 NVIDIA IsaacLab 的 8 项连续控制任务(Ant、Humanoid、FrankaArm、ShadowHand、Unitree-Go2/H1 等)上全部取得最高平均回报,Humanoid 相对最佳基线提升约 50.9%;GPU 并行环境从 128 扩到 4096 时优势随规模扩大更明显;消融实验证实二阶自伴随结构带来持续收益。团队认为 SAFLOW 适合作为 VLA 模型的连续动作头,并可用于具身模型的在线后训练。
「具身」频道最新
- OpenTac 开源触觉生态：按机器人外形定制 3D 触觉传感器 — _krishna_murthy · 2026-10-23
- Argon 真能解决机器人操作?实测基准:真机+千次仿真考验复杂任务 — paulfinneyx · 2026-10-23
- Mike Frank 抛出超导可逆计算难题:能否用无偏置约瑟夫森结凑齐 BARCS 通用原语集 — MikePFrank · 2026-10-23
- 从业者驳传闻：Figure 新机器人 Hugo 并非基于宇树 G1 打造 — carlosdponx · 2026-10-23
- Sergey Levine：机器人正重演 LLM 的提示词革命 — adityaag · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23