💻 computer science

FLUX: Accelerating Cross-Embodiment Generative Navigation Policies via Rectified Flow and Static-to-Dynamic Learning

本文提出了首个基于流模型的统一导航策略 FLUX，通过引入动态基准测试 DynBench、利用整流流技术将推理效率提升 47%，并结合从静态到动态的课程学习策略，实现了在多种机器人平台上的零样本跨具身态迁移与全任务最优性能。

原作者： Zeying Gong, Yangyi Zhong, Yiyi Ding, Tianshuai Hu, Guoyang Zhao, Lingdong Kong, Rong Li, Jiadi You, Junwei Liang

发布于 2026-03-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Zeying Gong, Yangyi Zhong, Yiyi Ding, Tianshuai Hu, Guoyang Zhao, Lingdong Kong, Rong Li, Jiadi You, Junwei Liang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一个名为 FLUX 的机器人导航新系统，以及一个用来测试它的“考场”叫 DynBench。

为了让你轻松理解，我们可以把机器人想象成一个刚拿到驾照的新手司机，而这篇论文就是教他如何从“只会开直线”变成“能在早高峰车流中灵活穿梭的老司机”的过程。

以下是用通俗语言和比喻做的详细解读：

1. 核心痛点：以前的机器人太“死板”或太“慢”

以前的机器人导航主要有两个问题：

太死板：很多机器人只能走直线（静态环境），一旦路上有人走动，它们就懵了，要么撞上去，要么傻站着不动。
太慢：有些先进的机器人（基于“扩散模型”）虽然能预测多种走法，但就像在脑子里反复模拟了 100 遍才敢迈一步，计算太慢，根本来不及反应。

2. 解决方案一：DynBench（一个更真实的“驾校考场”）

作者觉得以前的测试太假了。以前的测试要么路上没人（静态），要么人走得很机械（像机器人一样直来直去）。

DynBench 是什么？ 它是一个高仿真的“早高峰模拟考场”。
特点：这里的“行人”不是乱跑的，也不是死板的，他们像真人一样有急有缓，会突然停下、会绕路、会互相避让。
作用：在这个考场里训练出来的机器人，才能真正适应真实世界。

3. 解决方案二：FLUX（机器人的“超能力”）

FLUX 是这个新系统的名字，它有两个核心绝招：

绝招 A：把“绕弯路”变成“走直线” (Rectified Flow)

以前的方法（扩散模型）：就像蒙着眼睛走迷宫。机器人先随机乱走，然后一步步修正，最后才找到路。这需要很多步（迭代），很慢。
FLUX 的方法（整流流）：就像开了导航的直线飞行。作者发现，其实从起点到终点，最优的路径在数学上可以变成一条直线。
比喻：以前是“先画个圈，再慢慢修直”；现在是“直接画一条直线”。
效果：推理速度提升了 47%！机器人反应更快了，能实时避开突然冲出来的人。

绝招 B：先学“走路”，再学“社交” (Static-to-Dynamic Learning)

这是一个循序渐进的训练课程：

第一阶段（静态模仿）：先让机器人在没人的空地上练习。这时候它只关心“怎么最快走到终点”，建立了基本的几何直觉（比如墙在哪，路在哪）。
第二阶段（动态强化）：把机器人扔进 DynBench 的“早高峰”里。这时候它不仅要快，还要学会礼貌避让。
- 关键点：作者发现，在复杂的人群中练出来的机器人，回到空地上反而更稳了！因为它学会了如何处理意外（比如突然有人挡路），这种“救急”的能力让它变得更强壮。

4. 惊人的成果：一个大脑，三种身体 (Cross-Embodiment)

这是最酷的部分。作者训练了一个通用的“大脑”（FLUX 策略），然后直接把它装到了三种完全不同的机器人身上，不需要重新训练（零样本迁移）：

轮式机器人（像扫地机，稳但只能平地走）。
四足机器人（像机器狗，走路会晃，摄像头会抖）。
人形机器人（像人，走路摇摇晃晃，视角很高）。

比喻：这就像你给一个人教了“开车”和“避障”的本领，然后让他直接去开自行车、摩托车和卡车，他居然都能开得稳稳当当，完全不需要重新学怎么握方向盘！

5. 总结：这篇论文到底牛在哪？

快：用“直线思维”代替了“反复试错”，速度飞快。
强：在有人群干扰的复杂环境下，表现比所有以前的方法都好（SOTA）。
通用：一套算法，通吃轮子、四条腿和两条腿的机器人。
真：用了一个非常逼真的“早高峰”考场来训练，所以能直接用到现实世界。

一句话总结：
FLUX 就像给机器人装上了一个反应极快、情商极高且适应性极强的大脑，让它不仅能走直线，还能在拥挤的人群中优雅地“跳舞”避障，而且不管它是长着轮子还是腿，都能跑得飞快。

这篇论文提出了一种名为 FLUX 的新型跨具身（Cross-Embodiment）通用导航策略，旨在解决自主机器人在静态和动态环境中导航能力的碎片化问题。该工作结合了**整流流（Rectified Flow）生成模型与静态到动态（Static-to-Dynamic）**的学习课程，实现了高效、鲁棒且具备社会感知能力的导航。

以下是对该论文的详细技术总结：

1. 研究背景与问题定义

核心挑战：现有的导航研究存在严重的碎片化。静态环境下的导航策略（如目标到达）很少在社交约束下测试，而社交导航方法又缺乏跨任务模态和异构平台的评估。此外，传统的确定性策略难以捕捉复杂环境中的多模态动作分布（即恢复行为和主动避让），而现有的生成式模型（如扩散模型）虽然能处理多模态，但推理延迟高，难以满足实时性要求。
关键洞察：静态环境是动态环境的一个退化特例。作者认为，通过先在静态环境中建立几何先验，再在动态社交环境中进行强化学习微调，可以显著提升策略的鲁棒性。
评估缺失：缺乏一个统一的基准来同时评估静态任务（如点导航、图像导航）和动态任务（如社交导航、动态探索）。

2. 核心方法论：FLUX 框架

FLUX 是一个基于流的统一导航策略，其训练过程分为两个阶段：

A. 阶段一：基于流的模仿学习 (Flow-Based Imitation Learning)

模型架构：将策略建模为条件生成模型，将潜在噪声 $\tau_0$ 映射为合理的未来轨迹 $\tau_1$ 。
整流流 (Rectified Flow, RF)：
- 不同于传统的扩散模型（DDPM）使用迭代去噪，FLUX 采用整流流技术。
- 通过构建线性插值 $\tau_t = (1-t)\tau_0 + t\tau_1$ ，强制概率流沿直线传输。
- 优势：将目标速度场简化为常数 $(\tau_1 - \tau_0)$ ，使得模型只需学习直线路径。这显著减少了推理所需的采样步数（NFE），提高了推理效率，同时保持了生成轨迹的高质量。
输出：生成 $M$ 个候选轨迹，并通过共享的 Critic 头进行评估和选择。

B. 阶段二：基于 GRPO 的强化学习 (GRPO-Based RL)

训练目标：在动态社交环境中微调策略，以增强社会合规性和安全性。
算法：采用 Group Relative Policy Optimization (GRPO)。
- 利用生成式骨干网络产生的 $M$ 个候选轨迹作为自然参考组，进行组内相对优势估计，无需额外的价值函数 Critic 网络。
- 在回合（Episode）边界触发梯度更新，以解决长序列任务中的信用分配问题。
奖励设计：
- 目标导向任务：结合目标进度奖励和基于霍尔（Hall）人际距离理论的社会合规惩罚（亲密区、社交区）。
- 探索任务：基于网格覆盖率的奖励，鼓励探索新区域。
效果：此阶段不仅提升了动态环境下的表现，还通过捕捉随机动作分布中的恢复行为，反向增强了静态任务的鲁棒性。

3. 新基准：DynBench

为了支持上述训练和评估，作者提出了 DynBench 基准：

物理有效的群体模拟：在 NVIDIA Isaac Sim 中构建，结合了分层马尔可夫有限状态机（FSM）行为协议、NavMesh 全局规划和基于几何的局部避障。
真实感：行人具有非线性的运动模式（如改变方向、停顿、环顾），且速度比机器人快，迫使机器人进行主动的空间推理。
任务集：涵盖六大基础任务：
1. 静态：点导航 (PointNav)、图像导航 (ImageNav)、探索 (Exploration)。
2. 动态：动态点导航 (Dyn. PointNav)、社交导航 (SocialNav)、动态探索 (Dyn. Exploration)。

4. 主要贡献

FLUX 策略：首个基于流的统一导航策略。通过线性化概率流，相比之前的流方法推理效率提升 47%，相比扩散基线提升 29%。
DynBench 基准：引入了物理有效的群体模拟，支持“先静态模仿学习，后动态强化学习”的两阶段训练范式，揭示了动态训练对静态任务的正向迁移效应。
SOTA 性能与零样本迁移：在仿真中所有六项任务上均达到最先进（SOTA）水平。更重要的是，实现了零样本（Zero-shot）的 Sim-to-Real 迁移，无需任何微调即可在轮式（Unitree Go2-W）、四足（Unitree Go2）和人形（Unitree G1）三种异构平台上成功部署。

5. 实验结果

仿真性能：
- 静态任务：在 PointNav 和 ImageNav 上，成功率和路径长度（SPL）均优于 NavDP 等 SOTA 基线。
- 动态任务：在社交导航中，碰撞率（Coll.）从 21% 降至 16%，社会合规性显著提升；在动态探索中，探索时间和面积分别提升了 26.4% 和 37.4%。
推理效率：在相同采样步数下，FLUX 的推理延迟显著低于扩散模型（如 NavDP）和现有流模型（如 FlowNav）。
真实世界部署：
- 在三种形态迥异的机器人上（轮式、四足、人形）均实现了稳定导航。
- 尽管人形机器人存在相机晃动和视角差异，FLUX 仍能通过其生成的轨迹选择出安全路径，表现出强大的跨具身泛化能力。
消融实验：
- 证明了生成式（随机性）比确定性回归更优。
- 证明了整流流（RF）比条件流匹配（CFM）和扩散模型（DDPM）更稳定且高效。
- 证明了 RL 微调不仅优化了动态任务，还提升了静态任务的鲁棒性。

6. 意义与局限性

意义：
- 打破了静态与动态导航研究的壁垒，提供了一个统一的评估和训练框架。
- 证明了生成式模型结合整流流技术可以兼顾多模态轨迹生成与实时控制效率，解决了扩散模型推理慢的痛点。
- 展示了“静态到动态”课程学习的有效性，即动态环境的学习能反哺静态几何先验。
局限性：
- 缺乏显式的社会推理能力（如解读人类非语言意图或隐含礼仪）。
- 当前评估主要集中在室内行人环境，未来需扩展到更复杂的异构动态代理环境。

总结：FLUX 通过整流流技术实现了高效的轨迹生成，并通过创新的训练课程和基准测试，成功统一了从静态几何导航到动态社交导航的能力，为具身智能在复杂真实世界中的部署提供了强有力的解决方案。