CFM 策略蒸馏：把多个专家的速度场合成一个策略

图 1 中的专家监督为什么不能替代真实动作锚点？

1. 1

   从点云与状态生成动作块

   使用不含 T-Net 的 PointNet 编码点云，与机器人本体状态一起进入一维 U-Net。每个任务先用 100 条演示训练一个 PointFlowMatch 专家，学生再在所有任务的联合数据上训练。

2. 2

   在同一流时间读取教师速度

   令 z_t=(1−t)ε+t a，ε 是高斯噪声、a 是真实动作；基本速度目标为 a−ε。对当前任务调用对应专家，得到同一 z_t、t 下的速度场。这里 t 是去噪进度，不是机器人真实执行时间。

3. 3

   把两类目标按固定比例组合

   损失用 λ=0.5 平衡真实速度与教师速度，不随流时间改变。专家提供平滑的任务结构，真实动作防止学生只模仿教师偏差；先从专家采样再当训练目标是另一种对照，并不等价。

4. 4

   部署只保留学生，训练仍付专家成本

   推理无需专家集合或显式任务 ID，以观察区分任务。但相同场景中用户可能有不同意图，单靠观察无法消除歧义；论文没有证明任意语言任务条件下的多技能选择。

以下为作者报告；已阅读 v1 全文及可用附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。

全文与附录已读；未确认独立代码、专家权重或学生检查点下载入口，引用的 PointFlowMatch 不能代替本工作发布。

LICENSE代码与权重许可待确认。