フローマッチングポリシーは、連続速度場を学習してノイズを行動に変換し、ロボット操作における高速な決定論的推論を可能にする。しかし、標準的な訓練では点ごとの速度目的関数を最適化するのに対し、推論では速度場の数値積分が必要であり、このミスマッチが軌道誤差を累積させる。この問題に対処するため、研究者らは4つの補完的対策を提案する。
第一に、補助整流フロー速度回帰により、全時間区間にわたって均一な時間的監督を提供する。第二に、マルチステップ軌道一貫性訓練により、速度場の軌道セグメントにわたる積分変位を直接監督し、訓練と推論のギャップを埋める。第三に、速度場正則化により時間的平滑性を強制し、積分を不安定にする振動を防ぐ。第四に、4次ルンゲ＝クッタ（RK4）推論を採用し、オイラー法と比較して大局的離散化誤差を桁違いに削減する。重要なことに、これらの要素は単独では十分ではなく、アブレーション研究により、滑らかな速度場なしではRK4は失敗し、軌道レベルの監督なしでは平滑化だけでもドリフトが生じることが確認されている。
さらに、本研究では2つの独立したPointNetエンコーダを用いたデュアルビュー3D点群エンコーダを組み合わせ、補完的な空間知覚を実現する。FrankaアームとBoston Dynamics Spotを用いた4つの実ロボットタスクにおいて、本手法は2つの長期多相タスクで全体的成功率70%および60%を達成し（両ベースラインは0%）、精密ツール配置では100%に達した。3つのMetaWorldシミュレーションタスクでも一貫した改善が確認され、信頼性の高いポリシー実行には軌道レベルの監督が不可欠であることが検証された。本研究成果はarXivにて公開されており、論文IDは2605.08511である。