ArcFlow：面向多种求解器预算训练 Flow 策略的部署感知算法

研究团队提出面向部署的强化学习算法 ArcFlow，支持在指定的求解器步数预算范围内训练单一 flow 策略。该算法结合动作对齐监督、预算暴露与最差预算检查点选择机制，在不改变网络架构和部署推理成本的前提下优化性能下限。在涵盖 DM Control、机械臂操作和双足运动的 30 项任务中，ArcFlow 在 25 项任务上取得 5 个基线中最高的单步平均回报。