北京人形提出具身智能策略框架 FreqPolicy

北京人形机器人创新中心（国家地方共建具身智能机器人创新中心）发文宣布，其团队研发的具身智能策略框架 FreqPolicy: Efficient Flow-based Visuomotor Policy via Frequency Consistency，成功入选人工智能领域顶级会议 NeurIPS。

根据介绍，FreqPolicy 框架的核心创新在于：首次引入频谱一致性约束，从频域角度重构具身智能机器人动作的时间建模方式。通过在策略生成过程中引入时序信息的频域表达，FreqPolicy实现了“一步生成高效动作流”，显著提升了具身智能机器人操作的效率与连贯性。

在AI全面走向物理世界的背景下，该项工作面向高效具身操作进行研究，通过一步生成机制，大幅提升动作预测频率和控制频率，满足具身智能机器人系统对于高响应性场景的要求，适用于动态环境、自适应操作等高复杂度场景。

FreqPolicy 将动作块（action chunk）通过DCT-II变换映射到频域空间中进行一致性约束，以更好地捕捉动作的时域特性。同时，FreqPolicy额外设计了一个频域分量的自适应关注策略，使得FreqPolicy在一致性约束中灵活关注重要频段。通过上述策略，FreqPolicy学习到了更优的转移轨迹，最终实现了由噪声到目标动作的一步生成。

在仿真基准中，FreqPolicy显著提升了一步流匹配策略的操作性能。相较于之前的一步动作生成方法SOTA性能，FreqPolicy在Robomimic测试基准上的平均性能提升了6%，在MetaWorld测试基准上的平均性能提升了8.9%。此外，当与OpenVLA等VLA模型相结合时，FreqPolicy能够在不损害操作性能的前提下，将推理速度提高至原来的5倍。

在真实场景应用中，FreqPolicy可以广泛适用于桌面操作、家居服务和工业作业等场景，取得了比标准扩散策略和标准流匹配策略更高的任务成功率，同时其推理频率提升了3-5倍。

未来，北京人形计划进一步优化该方法，同时提升其多峰分布建模能力和推理速度，并探索其在更复杂场景下的应用。