When One Step Is Enough: An Empirical Study of Euler Integration in Flow-Matching Policies

📄 arXiv: 2610.30735v1 📥 PDF

作者: Shivakanth Sujit, Luca Nunziante, Rousslan Fernand Julien Dossa, Kai Arulkumaran

分类: cs.RO

发布日期: 2026-10-22

备注: Accepted at the 10th Conference on Robot Learning (CoRL 2026)

💡 一句话要点

提出单步动作生成方法以优化流匹配策略

🎯 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: 流匹配 视觉-语言动作 单步生成 多步采样 机器人控制 低延迟部署

📋 核心要点

  1. 现有流匹配方法在推理时需迭代求解ODE，限制了控制频率，影响实时性。
  2. 论文提出通过单步动作生成来简化流匹配策略，探讨其必要性和有效性。
  3. 实验证明，经过充分训练的模型在单步生成上与多步采样效果相当，提升了部署效率。

📝 摘要（中文）

流匹配已成为视觉-语言动作（VLA）机器人策略的主流方法，因其表达能力强和训练目标简单。然而，标准流匹配的推理需要迭代求解常微分方程（ODE），限制了部署时的控制频率。尽管已有多项研究提出了单次动作生成的新方法，本文探讨这些额外目标是否真的必要。研究发现，在六种流匹配VLA中，单步动作生成在规模上基本与多步采样相匹配，且多步积分在推理时几乎没有一致的优势。实验证明，只要模型经过充分训练且具有足够的容量，单步策略几乎可以从多步模型中“免费”获得，从而实现低延迟部署，无需重新训练、蒸馏或辅助目标。

🔬 方法详解

问题定义：本文旨在解决流匹配策略在推理阶段因迭代求解ODE而导致的控制频率限制问题。现有方法在多步采样上表现良好，但在实时应用中存在延迟问题。

核心思路：论文提出单步动作生成的策略，质疑多步积分的必要性，认为在充分训练的模型中，单步生成可以有效替代多步采样。

技术框架：研究中使用了六种流匹配VLA，比较了单步生成与多步采样的效果。整体流程包括模型训练、单步生成策略的实施及效果评估。

关键创新：最重要的创新在于证明了单步生成在多步模型中几乎可以“免费”获得，且在推理时没有显著的性能损失。这一发现挑战了传统的多步采样依赖观念。

关键设计：在模型设计中，确保了足够的训练数据和模型容量，以支持单步生成的有效性。损失函数和网络结构经过优化，以适应单步生成的需求。具体参数设置和训练策略在实验中进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，单步动作生成在六种流匹配VLA中与多步采样的效果相当，且在推理时几乎没有性能损失。这一发现表明，单步策略能够有效降低延迟，提升实时控制能力，具有显著的应用价值。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、自动驾驶和人机交互等场景。通过实现低延迟的动作生成，能够提升机器人在动态环境中的反应能力，增强用户体验。未来，该方法可能推动更多实时应用的发展，减少对复杂模型的依赖。

📄 摘要（原文）

Flow matching is now the dominant approach for vision-language action (VLA) robot policies, thanks to its expressiveness and simple training objective. However, inference for standard flow matching requires iteratively solving an ODE, limiting the control frequency at deployment. While several works have proposed novel methods to allow for single-shot action generation, we ask whether such additional objectives are actually necessary. We find that across six flow matching VLAs, one-step action generation largely matches multi-step sampling at scale: multi-step integration confers little to no consistent advantage at inference. We empirically find that this holds as long as models are sufficiently trained and have enough capacity. Practically, the implication is that for large VLAs, the single-step policy comes essentially for free from the multi-step model, enabling low-latency deployment without retraining, distillation, or auxiliary objectives.