平均流

学习一段时间内的「平均速度」，一步就能从噪声生成样本的生成方法。

平均流（MeanFlow）是 Zhengyang Geng、J. Zico Kolter、何恺明等人在 2025 年 5 月提出的单步生成方法。流匹配训练网络预测某一时刻的「瞬时速度」，生成时要沿速度场积分很多小步，推理慢。MeanFlow 改为预测一段时间区间内的「平均速度」，即这段区间的总位移除以时长，并推导出平均速度与瞬时速度之间的恒等式当训练目标，不需要预训练教师模型或蒸馏，从零训练就能一步采样。论文报告在 ImageNet 256×256 上一步生成的 FID（衡量生成图与真实图差距的指标，越低越好）为 3.43。机器人领域已有 MP1 等工作把它用作动作生成头，以降低策略推理延迟。

例子MP1 把 MeanFlow 用在以点云为输入的机械臂策略上，一次网络前向就生成整段动作，论文报告推理约 6.8 毫秒，比 3D 扩散策略 DP3 快约 19 倍，平均成功率还高出 10.2%。

也叫

Mean Flows、MeanFlow

相关

流匹配、速度场、单步生成、一致性模型、整流流、去噪步数

来源

Mean Flows for One-step Generative Modeling (arXiv:2505.13447)
MP1: MeanFlow Tames Policy Learning in 1-step for Robotic Manipulation (arXiv:2507.10543)

信息截至

2025-07