Kinematic MeanFlow: One-Step Action Generation Policy for Robotic Foundation Models

📄 arXiv: 2610.00864v1 📥 PDF

作者: Jiawei Fan, Sifeng Wang, Yuqing Hou, Anbang Yao

分类: cs.RO, cs.AI, cs.CL, cs.CV

发布日期: 2026-10-01

备注: Project page: https://github.com/IntelChina-AI/K-MF

🔗 代码/项目: GITHUB

💡 一句话要点

提出Kinematic MeanFlow以解决机器人基础模型中的高推理延迟问题

🎯 匹配领域: 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: 机器人基础模型 一步动作生成 Kinematic MeanFlow 去噪动态 推理效率 多步流匹配 智能控制

📋 核心要点

  1. 现有的多步流匹配方法在推理过程中存在高延迟的问题，影响了机器人模型的实时性。
  2. 本文提出Kinematic MeanFlow（K-MF），通过解耦时间导数项来捕捉不同阶段的去噪动态，从而实现一步动作生成。
  3. 实验结果表明，K-MF在多种任务中表现优于传统的多步流匹配，且显著降低了推理延迟。

📝 摘要（中文）

本文研究如何在机器人基础模型（RFM）中实现一步动作生成，旨在克服多步流匹配的高推理延迟。MeanFlow为此目标提供了一个有前景的框架，但其直接应用导致性能崩溃。我们发现，这源于RFM速度场中表现出的两种独特动态：局部加速度在早期阶段稳定，但在去噪过程结束时急剧上升；随着去噪的进行，样本间的幅度分布逐渐扩大。为了解决这些问题，我们提出了Kinematic MeanFlow（K-MF），这是一种针对RFM的新型一步动作策略。K-MF基于运动学恒等式，将MeanFlow公式中的时间导数项解耦为两个由中间点分隔的子区间项，从而分别捕捉早期和晚期去噪动态，同时减轻过程中的误差放大。K-MF使RFM在从头训练和微调范式下实现一步动作生成，并在大多数设置中超越多步流匹配。在推理效率方面，K-MF在L40和Jetson Orin的急切和编译模式下将GR00T-N1.6的动作头延迟降低了67.5%~74.4%，实现了30.3%~54.9%的端到端延迟减少。

🔬 方法详解

问题定义：本文旨在解决机器人基础模型（RFM）中的一步动作生成问题，现有的多步流匹配方法存在推理延迟高和性能崩溃的痛点。

核心思路：Kinematic MeanFlow（K-MF）通过运动学恒等式将时间导数项解耦为两个子区间项，分别捕捉早期和晚期的去噪动态，从而减轻误差放大。

技术框架：K-MF的整体架构包括数据输入、去噪过程和动作生成模块。首先，通过解耦的方式处理速度场，然后生成对应的动作输出。

关键创新：K-MF的主要创新在于其解耦设计，使得模型能够更好地适应不同阶段的动态变化，显著提升了性能与效率。

关键设计：在K-MF中，关键参数设置包括时间区间的选择和损失函数的设计，以确保模型在训练和推理阶段的稳定性和高效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，K-MF在GR00T-N1.6模型上实现了67.5%~74.4%的动作头延迟降低，并在L40和Jetson Orin平台上实现了30.3%~54.9%的端到端延迟减少，显著提升了推理效率。

🎯 应用场景

该研究的潜在应用领域包括自主机器人、智能制造和无人驾驶等场景。通过提高动作生成的效率，K-MF能够在实时决策和控制中发挥重要作用，推动机器人技术的进一步发展。

📄 摘要（原文）

In this paper, we study how to achieve one-step action generation in Robotic Foundation Models (RFMs), aiming to overcome the high inference latency of multi-step flow matching. MeanFlow provides a promising framework for this goal, yet its direct application leads to performance collapse. We discover that this stems from two distinctive dynamics exhibited in the RFM velocity field: (1) the ``local acceleration" exhibits stability early on, but surges sharply towards the end of the denoising process, and (2) the spread of its magnitudes across samples widens as denoising progresses. To address these issues, we introduce Kinematic MeanFlow (K-MF), a novel one-step action policy tailored for RFMs. Specifically, grounded in a kinematic identity, K-MF decouples the time derivative term in the MeanFlow formulation into two sub-interval terms separated by an intermediate point. This decoupled formulation enables the two terms to capture early-stage and late-stage denoising dynamics, respectively, while mitigating the error amplification across the process. As a result, our K-MF empowers RFMs to achieve one-step action generation in both training from scratch and fine-tuning paradigms across diverse tasks, while outperforming multi-step flow matching in most settings. In terms of inference efficiency, K-MF reduces action-head latency of GR00T-N1.6 by 67.5%~74.4% across L40 and Jetson Orin in eager and compiled modes, yielding end-to-end latency reductions of 30.3%~54.9%. Code will be available at https://github.com/IntelChina-AI/K-MF.