Flow policy 最后层换成高斯，机器人速度快了一倍

Flow policy 推理时要把动作块从噪声里积分出来，通常得跑多次网络。Youssef Saied 等人检查了 Xiaomi-Robotics-1 和 GR00T N1.5 的动作分布，发现连续动作块和全协方差高斯很接近。Xiaomi 的 16 动作块，平移相对误差 0.8%，旋转 1.8%。这个数字是 300 个观测上的 median relative sliced Wasserstein error，用全协方差算的。图里橙色控制组是样本本身来自高斯时的误差，Xiaomi 的曲线贴着它走。

GAR 的做法很省：保留预训练网络，冻结，只把最后一层换成高斯 readout。readout 从冻结特征里预测高斯均值和协方差，以及二值命令。拟合用 6000 个 context 的教师矩，特征和矩缓存后，Xiaomi 的 readout 训练约 2 分钟，只用了 0.02% 的可用状态。推理时一次 action-network pass 直接采样，还能算闭式似然。

均值藏在初始速度里。t=0 时，输入噪声加上速度约等于均值动作。方差在 t=0 看不到，两个不同方差的高斯可以有相同初始速度，往后走才分开。所以 GAR 不从 t=0 的均值里猜方差，而是训一个小 head，用最后一层前的特征预测它。

50 个 RoboCasa365 任务，每个策略 2500 episodes。Xiaomi 教师成功率 58.24%，GAR 57.64%，快 1.91 倍。GR00T 教师 23.08%，GAR 21.92%，快 1.57 倍。GAR 用一次 action-network pass，替代 Xiaomi 的五步 flow、GR00T 的四步。速度是整个 policy 调用，包括视觉语言骨干，batch size 1。

每个决策只有一个高斯，不代表行为只有一种。采样动作改变状态，状态改变下一个高斯，闭环里形成物理时间上的扩散。RoboCasa 同一个午餐打包场景，GAR 能跑出两种不同的打包顺序。项目页有个 2D 例子，128 条轨迹从同一点出发，绕开圆形区域再到目标，没有预先指定路线。

评论区有人问，如果这个结果成立，是不是说明大多数遥操作演示其实挺单模态？操作员在左右重抓之间切换的任务上还成不成立？也有人问真实硬件上摩擦开始捣乱时高斯顶不顶得住，还有人说后验仍需要时钟。论文没有回答这些。能说的是，控制实验里用教师均值和全协方差拟合的高斯，成功率接近教师，说明高斯形状本身没怎么伤任务。GR00T 更敏感的是均值估计，mean-only 控制会被均值误差限制。

论文：Gaussian Distillation of Flow Policies

项目页：GAR。代码将发布。