Flow Matching 流匹配策略:从理论到机器人实时控制
目录1.1.1.1 流匹配的基本定义1.1.1.2 连续性方程与概率路径演化1.1.1.3 流匹配损失函数的标准形式1.2.1.1 条件概率路径的构造原理1.2.1.2 条件向量场的确定性映射1.2.1.3 条件流匹配损失的等价性证明1.2.1.4 线性插值路径的实例化2.1.1.1 Kantorovich最优传输问题2.1.1.2 动态最优传输与Wasserstein距离2.1.1.3 直线轨迹的最优性条件2.2.1.1 批次内最优传输耦合2.2.1.2 方差缩减效应分析2.2.1.3 条件OT流的必要性定理2.3.1.1 Weighted CFM与重要性采样2.3.1.2 Riemannian流匹配与李群结构3.1.1.1 推理延迟的定量对比3.1.1.2 步数与精度的权衡曲线4.1.1.1 FlowPolicy架构设计4.1.1.2 Consistency Flow Matching损失实现4.1.1.3 多段训练技术5.1.1.1 网络架构实现细节5.2.1.1 最优传输求解器实现5.3.1.1 训练策略优化脚本1:基础Flow Matching与条件向量场实现1.1.1.1 流匹配的基本定义1.1.1.2 连续性方程与概率路径演化概率路径的演化遵循连续性方程,描述概率质量在空间中的保守传输。对于任意时间 t ,概率密度 pt 满足
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2465985.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!