MP1 是什么？用 MeanFlow 一步生成机器人操作动作

MP1（MeanFlow Tames Policy Learning in 1-step for Robotic Manipulation）是一个一步生成机器人动作的策略学习框架，由北京大学的研究团队在 2025 年 7 月提出。名字的意思是“MeanFlow 驯服一步式的机器人操作策略学习”。

背景：生成式策略的速度难题

近年来，扩散模型和流匹配模型被广泛用来生成机器人的动作，比如著名的 Diffusion Policy。它们的优点是能表达复杂、多样的动作，比如一个任务有好几种完成方式时，不会把它们平均成一个无效的动作。但它们通常需要多步迭代才能生成一个动作：扩散模型要逐步去噪，流模型要沿着速度场一小步一小步地走。这在需要快速反应的机器人控制中是一个瓶颈：推理慢意味着控制频率低，动作就不够灵敏。如果为了加速而减少步数，动作的质量往往会明显下降。

MP1 怎么做到一步生成

MP1 采用了 MeanFlow 框架。普通的流匹配学习的是“瞬时速度”，必须分很多步积分；MeanFlow 学习的是一段区间内的“平均速度”，所以可以从起点一步直接跳到终点，只需一次网络前向计算就能生成完整的动作轨迹。MP1 把这种一步生成能力和三维点云输入结合起来：机器人通过点云感知物体和环境的三维结构，再一步生成动作。

在此基础上，MP1 还结合了无分类器引导（CFG），增强对条件的控制，让生成的动作更符合当前的观察；以及一种叫分散损失（Dispersive Loss）的正则化方法，让模型学到的表示更分散、更有区分度，提升在不同情况下的泛化能力。这几项设计共同实现了快、准、稳兼得。

效果

论文报告，MP1 在多个机器人操作基准上的成功率超过了基于扩散和流匹配的已有方法，同时推理速度快得多，每次动作生成只需毫秒级的时间。在真实机器人上的实验也验证了它的效果。它打破了扩散模型和流模型在“速度与质量”上的取舍，为实时、高频的机器人控制提供了一个高效的方案。