LEARNING
源提升流匹配用于可干预的多模态模仿学习
He Zhang, Ying Sun, Pengteng Li, Ziyang Chen, Yiren Zhao, Ziyang Rao, Weiyu Guo, Yandong Guo, Hui Xiong
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出源提升流匹配（SL-FM），一种可干预的流匹配策略，通过正交源提升机制避免路径交叉歧义，允许用户直接选择同一状态下的不同有效延续行为。该方法保持共享速度场且无需潜在变量，在保留标准流匹配公式的同时实现了对多模态动作分布的可控采样。
关键词
flow matchingimitation learningmultimodalsource interventionorthogonal lifting
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018