HCPG-Flow:Hierarchical Contact-Progress Guidance for Flow-Policy Robot Manipulation

📄 arXiv: 2607.17651v1 📥 PDF

作者: Guanghu Xie, Mingxu Li, Shuo Zhang, Yonglong Zhang, Yifan Yang, Yang Liu, Zongwu Xie, Baoshi Cao

分类: cs.RO

发布日期: 2026-07-20

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出HCPG-Flow以解决机器人操作中的动作选择问题

🎯 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: 机器人操作 流政策 动作选择 接触进度 层次化指导 强化学习 任务优化

📋 核心要点

  1. 现有的流政策方法在执行机器人操作时，面临动作选择依赖于价值估计的问题，可能导致候选动作的表现不佳。
  2. HCPG-Flow通过引入层次化的接触进度指导，优化了动作选择过程，增强了对任务进度的关注。
  3. 在实验中，HCPG-Flow在多个模拟任务中显著提高了成功率，尤其是在Maniskill任务中取得了9.5%的提升。

📝 摘要（中文）

流政策能够表示多模态动作分布以实现机器人操作，但在每个控制步骤中，机器人必须执行一个动作。现有方法依赖于价值估计进行候选动作的排名，可能导致数据收集不充分。本文提出HCPG-Flow，一种分析性回滚时间选择器，增强了SAC-Flow的层次化、以对象为中心的接触进度指导，同时保持其演员和评论员目标。HCPG在接触后从末端执行器方法切换到任务进度，通过任务相关距离的一阶减少对每个提案进行评分，并在候选集内标准化评分，执行温度控制的动作嵌入。在十个模拟任务中，HCPG在两个基准上提高了成功率，包括在Maniskill上提高了9.5个百分点。四个物理任务进一步显示出高成功率，成功完成步骤减少了17.4%。

🔬 方法详解

问题定义：本文旨在解决机器人操作中流政策方法在动作选择时的不足，尤其是依赖于价值估计导致的候选动作表现不佳的问题。

核心思路：HCPG-Flow通过引入层次化的接触进度指导，优化了动作选择过程，使机器人在接触后能够更好地关注任务进度，从而提高成功率。

技术框架：HCPG-Flow的整体架构包括三个主要模块：首先是基于接触的动作选择，其次是任务进度评分，最后是温度控制的动作嵌入。这些模块协同工作以实现更高效的动作选择。

关键创新：HCPG-Flow的关键创新在于其层次化的接触进度指导机制，区别于传统方法的单一价值估计，能够更全面地评估候选动作的有效性。

关键设计：在设计中，HCPG-Flow采用了一阶距离减少作为评分标准，并在候选集内进行标准化处理，以确保评分的公平性和有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，HCPG-Flow在十个模拟任务中表现出色，相较于基线SAC-Flow，成功率平均提高了9.5个百分点，特别是在Maniskill任务中表现尤为突出。此外，四个物理任务的实验结果显示，成功完成步骤减少了17.4%，证明了该方法的有效性。

🎯 应用场景

HCPG-Flow的研究成果在机器人操作领域具有广泛的应用潜力，尤其是在需要高精度和高效率的任务中，如工业自动化、服务机器人和医疗机器人等。其创新的动作选择机制能够显著提升机器人在复杂环境中的操作能力，未来可能推动智能机器人技术的发展。

📄 摘要（原文）

Flow policies can represent multimodal action distributions for robot manipulation, yet a robot must execute one action at each control step. When several proposals are sampled, critic-based ranking makes data collection depend on value estimates over candidate actions that may be weakly represented in replay. We introduce HCPG-Flow, an analytic rollout-time selector that augments SAC-Flow with hierarchical, object-centric contact-progress guidance while preserving its actor and critic objectives. HCPG switches from end-effector approach to task progress after contact, scores each proposal by the first-order reduction of a task-relevant distance, standardizes scores within the candidate set, and executes a temperature-controlled action embedding. Across ten simulated tasks, HCPG improves mean success over SAC-Flow on both benchmarks, including a 9.5 percentage-point gain on Maniskill. Four physical tasks further show high success with a 17.4% reduction in successful completion steps.Project page: https://hitxraz.github.io/HCPG-Flow/