FlowMPC：利用世界模型改进流匹配策略

流匹配（FM）是多模态动作空间行为克隆的有力方法，但因未直接最大化期望回报，测试时表现仍有提升空间。本文研究 learned world model 能否通过支持对策略提出的候选动作序列进行模型预测路径积分（MPPI）规划，从而改进 FM 策略。基于 TD-MPC2，作者提出了 FlowMPC 框架，将模仿学习得到的 FM 策略与 learned world model 结合，用于 ManiSkill 操作任务的测试时规划。实验表明，引入世界模型显著提升了拾取任务的成功率，证明基于世界模型的规划能有效补充基于流的模仿策略。