Flow Policies：世界模型规划为什么需要可搜索的技能动作空间
四种技能接口对照揭示：低层策略能做，不等于规划器能找到
研究把完整流匹配动作块作为世界模型的一步，对比纯噪声种子、学习离散码、对象中心码和符号标签四种接口。相同任务与技能示范下，纯种子在单技能任务仅8%成功，对象中心接口达92%；但长程性能仍受候选生成和搜索限制。实验只覆盖准静态仿真积木，不能据此推断实机通用操作能力。
图解主要方法
为何一个会执行的流策略，仍可能让世界模型规划几乎找不到正确动作？
- 1
先把完整操作压成世界模型的一步
MuJoCo Panda场景含6个彩色立方体、两个区域及离散落点，技能包括拿放、堆叠、拆叠和不动。120k脚本示范由7500起始状态各16条技能组成。流匹配策略从高斯噪声生成256×10动作设定值，整块开环执行到静止后再规划。
- 2
比较四种动作接口而非一个通用检查点
纯种子接口使用4维残差和256码的压缩；学习码用625个FSQ状态转移码；对象中心用1512码表示移动对象、目标对象或桌面、网格及变化因子；符号接口使用动作种类、对象、目标和2维残差。四个策略分别训练，公共架构不代表共享权重。
- 3
用技能转移训练潜空间动力学
LeWM式JEPA联合训练编码器和预测器，以SIGReg避免坍塌，无预训练编码器或EMA目标。学习码接口可把解码出的后继姿态作为动作描述；对象中心接口用码本。学习先验提出后继动作，可行性过滤器由各自执行数据训练。
- 4
在离散候选与连续残差之间嵌套搜索
主设置束宽32、最多15技能前瞻；符号分支内CEM每轮64候选、5轮，纯种子128候选、10轮。评分取未来状态中距离目标最近的一步并加小幅迟达惩罚，不只比较最后一步。符号接口额外使用手工前提与效果，应计入系统先验。
- 5
执行后重观测，把搜索问题与感知问题分开
每任务预算最短技能数k加5；技能结束后更新观测。主实验直接用真实姿态，另设三视角姿态回归器冻结后测试感知扰动。后者相机刻意避免完全遮挡，并不是实机全视觉闭环验证。
实验与证据
已读完整正文、实验和消融，核对项目开放状态与图1；未独立复现。公开HTML未附额外附录。
来源证据每个最短长度k=1至14各100任务，共1400个配对任务；预算k+5。 实验设置与主结果 ↗
我的解读成功率应按任务难度查看，不能把有利任务的演示视频当整体长程能力。
来源证据单技能任务纯种子8%、学习码79%、对象中心92%；符号接口在k≤6保持90%以上。 主结果 ↗
我的解读不同接口使同一技能族的搜索难度相差很大，但需要同时考虑符号先验与训练样本差异。
来源证据世界模型转移数量：符号51k、纯种子64k、学习码和对象中心各128k。 世界模型训练设置 ↗
我的解读示范来源相同不等于世界模型训练数据等量，不能宣称严格控制了所有变量。
来源证据学习码到k=6约5%，各系统超过12步普遍接近零；特定14步交换任务族有87%成功。 长程结果与案例 ↗
我的解读87%是有利子族，不是全体14步问题。临时远离目标的必要步骤可能被束搜索剪掉。
来源证据纯种子新采样有效技能57%，压缩后30%；压缩后堆叠/拆叠占3.7%，新种子15%。 动作空间诊断 ↗
我的解读可执行技能覆盖率与压缩分布共同限制搜索；扩大种子采样并不保证在有限预算内找到正确技能。
来源证据执行动作的世界模型排序第一率：符号98%、学习码60%、对象中心59%。 世界模型诊断 ↗
我的解读这是预测排序而非任务成功率；对象中心规划更好，不能仅用该指标解释。
来源证据符号残差固定为零与优化相差不超过5个百分点；删符号可行性及效果先验损失10–47个百分点。 规划消融 ↗
我的解读残差优化不是主要增益来源；两类符号先验一起删除，无法单独识别各自贡献。
来源证据感知平均位置误差3毫米、中位2.3毫米；k=1–6平均符号与学习码各降约1个百分点，对象中心约降6。 感知实验 ↗
我的解读对象中心单技能92%降到80%，显示身份与几何结构接口也会放大感知错误；三视角受控结果不能外推遮挡。
来源证据束宽32增到256未改善；给定最优计划的预测成本显著低于随机计划。 搜索分析 ↗
我的解读支持候选与搜索可能是瓶颈，但只检查已提出最优计划，不能证明动力学模型完全准确。
来源证据低层设定值基线单技能约1%、更长为零；外部LeWM/DINO-WM使用不同OGBench设置。 低层动作基线 ↗
我的解读不能把不同观测与任务的外部结果当作同条件排行榜；低层与技能级搜索预算定义也不同。
开放情况与使用许可
官方项目列Code与Datasets Coming Soon，未核实可下载代码、权重或模型卡。项目称投稿ICRA 2027，本文不写成已录用。
LICENSE论文采用arXiv非独占托管许可；图1署名用于方法评论，未确认独立图像、代码或数据再分发许可。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
同任务单技能纯种子8%、学习码79%、对象中心92%的差异，支持结构化技能接口能改善可搜索性。
移除符号可行性与效果先验、关闭残差优化、替换感知输入等消融，揭示接口之外的先验和感知依赖。
反方 · 哪些结论还不够
世界模型转移样本从51k到128k不等，不是严格等数据的架构竞赛。
对象中心预测动作排序不优于普通学习码，却规划更好，说明单一预测指标不足以解释成功。
超过12步普遍接近零；一个14步交换任务87%不能概括全部长程任务。
综合判断
在有限积木任务中，证据支持为流策略设计结构化技能接口；尚未证明可扩展到任意长程任务或真实机器人。
我会先做的验证
建议实验（尚未执行）：固定每种接口的世界模型样本量、训练算力与搜索预算，在真实遮挡和新对象下比较候选召回率、执行成功率及延迟；将符号前提与效果先验分开消融，并报告多训练种子区间。