面向机器人基础模型的 Δ Flow Matching

基于摘要分析。本文研究机器人基础模型生成动作及未来视觉状态时的训练与采样成本，提出 Δ-flow：利用带轻微噪声的近期历史构造源分布，替代固定高斯先验，使生成转为历史到未来的小残差输运，并支持单步推理。研究对象是机器人视觉—语言—动作模型（VLA）及世界—动作模型（WAM），不是 EEG/BCI 模型。 核心机制是利用状态与动作的时间连续性，让生成起点更接近目标。作者将其集成至 π₀.₅、ImageWAM 和 Fast-WAM；摘要未提供具体损失、历史窗口、噪声设置及视觉分支实现，相关细节尚未验证。 作者报告，在 LIBERO 上，ImageWAM 达到 90% 任务成功率所需训练由六个 epoch 降至一个，Fast-WAM 达到 95% 由八个降至两个；采用 LoRA 微调时，π₀.₅ 一个 epoch 后超过其基线五个 epoch 的表现。作者报告，单步推理在三种模型上分别获得 1.54×、2.49×、4.45× 加速；相较单步高斯采样，动作 jerk 降低 4.5 倍。上述结果的任务汇总、硬件、采样基线及统计信息尚未验证。作者还报告 LIBERO-Plus 泛化性能达到当前最佳水平，但摘要未列出具体指标和对照，不能据此独立确认排名。 另一个值得核对的结果是：对预训练 WAM，仅在推理时将高斯动作源换为动作历史源，无需重训练即可在单步采样下大体保持任务成功率，部分情况下略有提升。其适用模型、动作表示与视觉信息依赖仍需查阅全文。 平台推测（待验证）：该机制依赖连续历史及可预测的未来目标，可能对应 EEG 连续信号预测或连续运动解码中的迭代生成成本，而非直接解决分类问题。可复用历史条件源构造，需改造信号归一化、通道表示和目标定义；低信噪比、突发状态变化、跨被试或通道变化可能使历史源偏离目标，小数据也可能强化错误的平滑先验。可在固定被试内时间划分下，对同一 flow matching 模型比较高斯源与历史源，控制训练预算并评估单步预测误差、延迟及突变片段表现，核对时间窗口是否重叠。已有 EEG 相关工作尚未检索确认。