生成模型已成为人工智能领域的关键突破，赋予机器创建高度逼真的图像、音频和文本的能力。在众多生成技术中，扩散模型和Flow Matching尤为引人注目。这两种方法虽然都致力于在噪声与结构化数据之间建立转换，但其基础原理存在本质区别。本文将系统地比较 ...

本文详细介绍了Flow Matching这一新兴的生成建模方法，从数学理论基础出发，逐步构建完整的实现框架。与传统扩散模型通过逆向去噪过程生成数据不同，Flow Matching通过学习时间相关的速度场，建立从噪声分布到目标数据分布的直接映射路径。文章将理论推导与 ...

提出条件流匹配（CFM）框架解决软机器人仿真与真实环境差距（Sim2Real gap），通过学习条件概率路径映射仿真状态到真实观测，有效捕捉材料非线性、接触动力学等复杂行为。实验验证CFM在双向拉伸测试和软抓取任务中实现高精度映射，支持小数据集训练且具有 ...