07 · π₀ 与连续动作流匹配
区分 token 预测、扩散噪声预测与连续速度场。
先修：VLA 接口、微分方程与条件生成。
理解机制
π₀ 把视觉语言表示连接到基于流的动作模型。理解流匹配时，先声明噪声到数据的插值，再学习其速度。实现的时间约定可能不同，交换数据端点会改变目标符号。本章使用简单线性路径推导，并非 π₀ 实现的逐字规范。连续生成仍需数值积分与机器人动作适配器。
Text / 原始公式
x_t = (1−t)ε + t·a, t ∈ [0,1] u_t = d x_t/dt = a − ε L = E[‖vθ(x_t,t,o) − (a−ε)‖²] x_next = x_t + Δt·vθ(x_t,t,o)
学习指南与本课目录
LEARNING CONTRACT理解 → 实现 → 研究
目标：解释本课机制、复现一个例子、测试一个失败案例。读完不自动代表掌握。
- 理解层：写明假设、形状/单位和一个反例。
- 实现层：复算数值例子并检查边界。
- 研究层：在匹配预算下比较一个替代方法。
机制图与逐步推导
| 符号 | 含义 |
|---|---|
| ε, a | 噪声端点与干净动作端点 |
| vθ, t | 学习的条件速度场与插值时间 |
- 取
、 ， 时 x_ ，目标速度为 4。 - 使用准确速度做
的 Euler 步， 时 。这是直线路径玩具例，不是学习策略结果。 - 对学习的非线性场，用相同初始噪声比较 4、8、16 积分步。记录动作漂移和运行时间；更多步数不能修复学坏的场。
实验检查点
先实现解析直线路径，包含时间反向测试。再为真实模型设计固定种子与时限的积分步数消融，分开报告玩具输出与实测输出。
原创面试练习与分析
先口述答案再展开分析，补充假设、反例和你会运行的测试。
流匹配是否只是单个确定动作？
给定输入时速度场可确定，但不同初始噪声可产生不同动作。分布质量仍依赖训练。
怎样公平比较动作 token 与流？
匹配数据、本体、观察历史与墙钟预算，报告动作精度、成功率和延迟。骨干规模不同会混淆动作头比较。
阅读一手来源
π₀: A Vision-Language-Action Flow Model ↗ · arXiv PDF ↗
Token Lab 原创讲解与合成计算，不是机器人性能实测。来源链接核对于 2026-10-25，未锁版本的 arXiv 链接可能修订，复现时请记录版本。