arXiv 于 2026 年 6 月 10 日发布了编号 2606.12603 的论文预印本《From Imitation to Alignment: Human-Preference Flow Policies for Long-Horizon Sidewalk Navigation》，作者为 Honglin He 等四人，隶属机器人学（cs.RO）分类，并与人工智能（cs.AI）交叉。论文聚焦于微出行场景下的自主长距离人行道导航，典型应用包括机器人外卖配送和辅助型电动轮椅。与道路上的自动驾驶不同，人行道导航面临高度不可预测的地形与行人，需要精准的机动操作，同时感知系统必须足够轻量，最低可以只依赖一台单目 RGB 相机。
作者指出，虽然从演示中学习模仿学习（IL）是一种实用的解决方案，但由此得到的自动驾驶策略往往存在三类问题：误差会随时间不断累积（compounding errors），在人行道上缺乏社会合规性（即对行人礼仪与通行规范的遵循），以及在复杂情形下缺乏反事实推理论证能力。为应对这些挑战，研究团队提出了 FlowPilot——一种无地图（mapless）导航策略，仅凭单目 RGB 相机即可实现稳健而高效的长距离导航。
在方法上，论文首先引入锚定流匹配（anchored flow matching）作为动作表示，用于在大规模机器人车队数据上进行策略预训练，从而捕捉人行道导航行为中多样、复杂且多模态的分布。这一步相当于在模仿层面打好基础。随后，为了弥合“模仿”与“对齐”之间的差距，作者设计了人在回路（human-in-the-loop）的偏好学习方案，利用少量人类干预数据对策略进行微调。该机制旨在增强模型的反事实推理能力以及人行道上的社会合规性，最终形成 FlowPilot-HP 版本。
评估方面，研究团队在多种人行道环境中开展了大量仿真与真实世界实验。在仿真中，FlowPilot 取得 42% 的成功率和 66% 的路线完成度；而经过人类偏好微调的 FlowPilot-HP 在真实世界中进一步提升了鲁棒性与社会合规性，相比基础模型将干预率（IR）降低了 40.0%，将非干预率（NIR）降低了 52.1%。论文于 2026 年 6 月 10 日 19:01:31 UTC 提交第一版（v1），全文约 28,214 KB，可通过 arXiv 查看 PDF 与实验性 HTML 版本，DOI 为 10.48550/arXiv.2606.12603（Datacite 注册待完成）。