Flow Policy Gradients：用流匹配策略梯度训练机器人控制策略

研究提出改进的流匹配策略梯度目标，绕过可微动作似然计算，使机器人控制策略能采用比高斯分布更具表达力的形式。该方法在足式运动、人形动作跟踪和操作任务上均取得成功，并在两台人形机器人上实现稳健的 sim-to-real 迁移。消融分析显示，策略可从零训练时利用流表示进行探索，微调鲁棒性也优于基线。