TL;DR

处理长程操作任务（如组装家具）是机器人的噩梦。HDFlow 提出了一种“双剑合璧”的方法：利用 Diffusion 模型 的强大探索能力来制定高层的战略子目标，同时使用 Rectified Flow 的高速特性来生成底层的执行轨迹。这种分层架构不仅解决了“算得慢”的问题，还通过能量模型（EBM）和流形保护确保了规划的“靠谱”。

核心速览：机器人规划的“效率灾难”

当前的机器人规划研究正处于生成式模型的变革期。尽管基于 Diffusion 的规划器能生成高质量的路径，但其迭代去噪的本质使得在实时控制（Low-level control）中存在严重的计算瓶颈。

HDFlow 的核心直觉在于：高层规划需要求“变”（多样探索），而低层执行需要求“快”（确定性与效率）。单一的模型范式显然无法同时满足这两个极端需求。

痛点深挖：为何长程任务如此困难？

1. 误差累积 (Compounding Errors)：在长时间任务中，微小的预测偏差会随时间放大，导致最终组装失败。
2. 计算瓶颈：Diffusion 模型在生成密集轨迹时，频繁的迭代去噪无法满足实时机器人交互的需求。
3. 流形偏移 (Manifold Deviation)：在高维潜空间（Latent Space）中，受引导的生成过程往往会漂移到物理不可行的区域。

方法论详解：HDFlow 的两阶段架构

1. 结构化潜空间学习 (Stage 1)

HDFlow 不直接在像素空间规划，而是基于 RSSM (Recurrent State Space Model) 构建了一个潜空间世界模型。为了让这个空间更有利于规划，作者引入了对比学习 (Contrastive Learning)：将成功轨迹的中间状态拉向目标状态，将失败状态推开，从而让潜空间自带“进度感”。

2. 分层规划器训练 (Stage 2)

• 高层 (High-Level Diffusion)：生成稀疏的子目标序列。
  • EBM 引导：引入能量模型识别“看起来行但实际会失败”的方案。
  • 流形感知投影：通过 PCA 和最近邻技术，将偏离的子目标强行“拉回”到可行的流形上。
• 低层 (Low-Level Rectified Flow)：连接子目标。
  • ODE 轨迹合成：Rectified Flow 通过求解常微分方程，能够以极少的步数生成平滑、直线的密集轨迹。

图 1：HDFlow 流程图。左侧为结构化潜空间学习，右侧展示了高层 Diffusion 生成子目标与低层 Rectified Flow 合成轨迹的过程。

实验与结果：性能与速度的双重飞跃

SOTA 性能对比

在 FurnitureBench 的组装任务中，HDFlow 在各种随机初始化条件下均大幅领先。例如在 one_leg 任务中，HDFlow 的成功率（92%）几乎是现有分层扩散模型 SHD（71%）的进步版。

表 1：在不同随机化水平下各任务的成功率对比。

推理效率分析

实验数据证明，HDFlow 的推理时间（88ms）远低于纯分层扩散架构 HD（142ms），实现了精度与速度的平衡。

表 2：不同架构间的成功率 (SR) 与推理时间对比。

深度洞察与总结

HDFlow 的成功关键在于对不同层级需求的精准匹配。

• Diffusion 的角色：它更像是一个具有想象力的“指挥官”，探索各种可能的步骤。
• Rectified Flow 的角色：它更像是一个高效的“执行官”，沿着直线路径快速前进。
• 流形保护：即使指挥官偶尔异想天开，流形投影机制也会确保任务回到物理常识的轨道上。

结论与展望： HDFlow 证明了在具身智能中，没有一种“万能模型”可以包打天下。通过对生成模型的特性进行模块化组合，我们可以在保证长程任务成功率的同时，兼顾机器人最迫切的实时性需求。虽然其目前依赖专家数据进行 EBM 训练，但这种“分而治之”的思路将为未来的自主技能学习提供重要参考。