第 15 课：具身智能连续动作生成算子：Diffusion Policy 与 Flow Matching 去噪求解器

参考答案版：包含完整代码实现与问答题深度参考解析。建议先独立完成练习题后再展开核对。

本课目标与完成标准

学完后你应能：

深入理解具身智能（Embodied AI）与自动驾驶中连续动作生成（Continuous Action Generation）的系统挑战与多模态分布建模；
搞清 Diffusion Policy（扩散策略）与 Flow Matching（流匹配，如 Physical Intelligence $\pi_0$ ）的数学本质与硬件执行差异；
掌握 ODE（常微分方程）数值去噪求解器（Euler、Heun）在 GPU 上的算子融合与无全局访存驻留设计；
理解动作分块（Action Chunking）与滚动时域（Receding Horizon）在端到端控制循环中的算子并行优化。

通过必须同时满足：

独立补齐本课代码填空题（Flow Matching ODE 轨迹积分步进算子内核模拟），并通过测试断言；
三个问答题均说明算法数学变换与 GPU 硬件执行因果链；
总分不低于 8/10。

前置关系

前置要求：第 1 课：线程映射与 Grid-Stride Loop、第 11 课：SiLU 与算子融合。
本课位置：算子开发向具身智能与连续控制前沿领域的延伸进阶。

核心心智模型

1. 为什么大模型生成 Token，而具身机器人需要生成“连续动作轨迹”？

大语言模型（LLM）的输出是离散词表上的概率分布（Categorical Distribution），每一步自回归采样单个 Token。但机器人手臂或自动驾驶车辆的控制指令是高维、多步连续动作（Continuous Action Chunk），例如未来 16 步机械臂 7 个关节的期望角速度、力矩以及末端夹爪开合度（维度如 $16 \times 7$ ）。

真实物理世界中，人类的操作具有强烈的多模态歧义性（Multimodality）：例如绕过障碍物，向左绕和向右绕都是合法策略。如果用传统的均方误差（MSE）回归，网络会输出两种策略的均值——直接撞向障碍物。

flowchart TD
    subgraph ActionGen["多模态动作生成范式演进"]
        direction TB
        MSE["传统回归 (MSE Loss)<br>多模态坍塌为不合法的中间均值"]
        DiffPol["Diffusion Policy (扩散策略)<br>高斯噪声反向曲折去噪 (需要 16~30 步)<br>延迟高，端侧实时性受限"]
        FlowMatch["Flow Matching (流匹配，如 π0)<br>最优传输直线速度场积分 (仅需 4~8 步甚至更少)<br>高速 ODE 求解，成为高频控制主流"]
    end
    MSE --> DiffPol --> FlowMatch

图 15-1：具身智能连续动作生成模型演进

Flow Matching（流匹配）：通过神经网络直接学习从标准高斯噪声 $x_0 \sim \mathcal{N}(0, I)$ 到真实动作轨迹 $x_1$ 之间的直线性速度场 $v_\theta(x_t, t, c)$ ： $\frac{d x_t}{d t} = v_\theta(x_t, t, c)$
在推理时，求解器只需从 $t=0$ 到 $t=1$ 积分常微分方程（ODE），通常使用简单的欧拉法（Euler Method）4~8 步即可高质量生成完整平滑的动作序列！

2. GPU 算子级瓶颈：多步 ODE 循环的访存灾难

在朴素的 PyTorch 实现中，Flow Matching 的 ODE 求解过程是一个 Python for 循环：

# 朴素未融合多步 ODE 迭代
for step in range(num_steps):
    t = step * dt
    v = model(x, t, condition)  # 神经网络推理
    x = x + dt * v              # Elementwise 加法与缩放 (单独 Kernel)
    x = torch.clamp(x, -1, 1)   # 动作物理限幅 (单独 Kernel)

在 GPU 硬件层面，这会带来极大的系统浪费： 1. 多余的全局显存读写：每次更新 x = x + dt * v 和 clamp，都会将几千字节的轨迹数据从板载显存读出、写入，完全处于显存带宽受限区（Memory-bound）； 2. Launch 延迟累积：每一步的去噪步进算子触发多次独立的 cudaLaunchKernel，在 50Hz~100Hz 的机械臂实时闭环中吞噬了宝贵的控制窗口。

优化方案：设计定制的 Fused ODE Solver Kernel，将时间步长缩放、欧拉积分更新、动力学安全限幅以及动量平滑完全融合在片上寄存器中就地完成！

代码实战：Flow Matching 连续动作 ODE 去噪求解器内核

我们实现一个工业级 Flow Matching 轨迹去噪步进算子，模拟将网络输出的速度场 $v_\theta$ 应用于当前动作轨迹 $x_t$ ，完成欧拉积分更新与物理安全限幅。

练习题描述

补齐 fused_flow_matching_step 函数： 1. 计算当前时间步长 $\Delta t = \frac{1}{\text{num\_steps}}$ ； 2. 执行欧拉数值积分更新： $x_{\text{next}} = x_t + \Delta t \cdot v_t$ ； 3. 执行执行器物理极限限幅约束（Clamping），将每个动作分量限制在 $[a_{\min}, a_{\max}]$ 之间； 4. 计算动作轨迹的一阶平滑度指标（速度差分方差），返回更新后的轨迹张量。

import numpy as np

def fused_flow_matching_step(x_t, v_t, num_steps, action_min=-1.0, action_max=1.0):
    """
    Flow Matching 欧拉去噪步进算子模拟内核。
    
    参数:
    - x_t: np.ndarray, 形状 [Batch, Trajectory_Len, Action_Dim], 当前噪声动作轨迹
    - v_t: np.ndarray, 形状 [Batch, Trajectory_Len, Action_Dim], 神经网络预测的速度场
    - num_steps: int, 总 ODE 离散步数
    - action_min: float, 物理动作下限
    - action_max: float, 物理动作上限
    
    返回:
    - x_next: np.ndarray, 更新并安全截断后的下一步动作轨迹
    - smoothness_metric: float, 动作分块的一阶差分平滑度
    """
    # TODO: YOUR CODE HERE
    pass

检查与验证代码

np.random.seed(42)
B, T, D = 2, 16, 7  # 2 个环境，预测未来 16 步，7 个关节动作
mock_xt = np.random.normal(0, 1.0, size=(B, T, D))
mock_vt = np.random.normal(0, 0.5, size=(B, T, D))

x_next, smooth = fused_flow_matching_step(mock_xt, mock_vt, num_steps=5, action_min=-1.0, action_max=1.0)

print("生成轨迹样本均值:", np.mean(x_next), "平滑度:", smooth)
assert x_next.shape == (B, T, D)
assert np.all(x_next >= -1.0) and np.all(x_next <= 1.0), "物理限幅违背！"
# 验证欧拉步进数值正确性
dt = 1.0 / 5
expected_unclamped = mock_xt + dt * mock_vt
expected_clamped = np.clip(expected_unclamped, -1.0, 1.0)
assert np.allclose(x_next, expected_clamped, atol=1e-5), "欧拉积分步进数值计算错误！"
print("Flow Matching 轨迹去噪算子验证通过！")

思考与问答题

Q1：为什么 Flow Matching 比经典 DDPM 扩散策略更适合高频机器人控制？

从概率轨迹几何形态（Curved vs Straight Paths）与数值 ODE 步数两个维度，详细对比 Flow Matching 与 DDPM 的核心差异。为什么 Flow Matching 能够在极少步骤下依然生成高质量轨迹？

你的答案：

Q2：什么是动作分块（Action Chunking）？它对算子显存访问连续性有何好处？

具身策略为什么不每步只输出单步动作 $a_t$ ，而是输出未来一段时域的动作序列轨迹 $[a_t, a_{t+1}, \dots, a_{t+H}]$ ？这种设计在 GPU 访存合并（Coalesced Memory Access）与计算密度上带来了哪些硬件优势？

你的答案：

Q3：机械臂端侧推理中的 Receding Horizon 滚动窗口如何与 GPU 执行重叠？

在物理机器人执行动作轨迹前几步的同时，后台如何利用 CUDA Stream 提前启动下一轮观测感知与 Flow Matching 求解？如果由于端侧负载抖动下一轮计算超时，控制系统应如何优雅降级？

你的答案：

评分与通过规则

代码 4 分：正确实现步长推导、欧拉积分、边界限幅与差分指标计算，通过断言；
Q1～Q3 各 2 分：深入阐述流匹配直线场、动作分块与时域重叠的因果链；
通过线：总分 $\ge 8/10$ 。

💡 点击展开参考答案与详细代码实现

参考答案（仅 answer 分支）

def fused_flow_matching_step(x_t, v_t, num_steps, action_min=-1.0, action_max=1.0):
    assert num_steps > 0, "总步数必须大于 0"
    dt = 1.0 / float(num_steps)
    
    # 1. 欧拉数值积分步进: x_{next} = x_t + dt * v_t
    x_unclamped = x_t + dt * v_t
    
    # 2. 硬件/机械臂动力学边界安全截断
    x_next = np.clip(x_unclamped, action_min, action_max)
    
    # 3. 统计一阶动作差分平滑度 (相邻时间步动作差的 L2 范数平均值)
    # 差分维度在时间轴 T (axis=1)
    if x_next.shape[1] > 1:
        diffs = np.diff(x_next, axis=1)
        smoothness_metric = float(np.mean(np.square(diffs)))
    else:
        smoothness_metric = 0.0
        
    return x_next, smoothness_metric

# 执行验证
np.random.seed(42)
B, T, D = 2, 16, 7
mock_xt = np.random.normal(0, 1.0, size=(B, T, D))
mock_vt = np.random.normal(0, 0.5, size=(B, T, D))

x_next, smooth = fused_flow_matching_step(mock_xt, mock_vt, num_steps=5, action_min=-1.0, action_max=1.0)
assert x_next.shape == (B, T, D)
assert np.all(x_next >= -1.0) and np.all(x_next <= 1.0)
dt = 1.0 / 5
expected_clamped = np.clip(mock_xt + dt * mock_vt, -1.0, 1.0)
assert np.allclose(x_next, expected_clamped, atol=1e-5)
print("参考实现验证 100% 通过！")

Q1 参考答案

轨迹几何路径拉直（Straight-line Trajectories）：经典 DDPM 依赖随机布朗运动的逆扩散，粒子从高斯噪声还原为真实动作的路径极其弯曲迂回。为了不偏离流形，DDPM 必须使用数十步极微小的步长逐步去噪，否则会产生严重的累积误差。 Flow Matching（特别基于最优传输 Optimal Transport 的配对）强制速度场在概率流上近似沿直线（Straight Lines）流动，数学公式为 $x_t = (1-t)x_0 + t x_1$ 。
极小步数求解的确定性：因为路径接近直线，求解常微分方程（ODE）时不存在剧烈的局部曲率变化。使用最朴素的一阶欧拉法，只需 4~8 步便能几乎无误差地从随机噪声积分到达真实动作空间，延迟降低 4~10 倍，完美适配 50Hz~100Hz 的机械臂硬实时控制。

Q2 参考答案

克服复合误差与时间一致性（Temporal Consistency）：单步策略极易陷入高频抖动（Markovian Jitter）。一次性预测未来 $H$ 步的完整动作轨迹（Action Chunking），强制神经网络在隐空间考虑动作的时间平滑性与任务长时连续性，大幅减少执行器机械磨损。
硬件访存合并与计算密度（Arithmetic Intensity）：在 GPU 上，如果单步动作张量只有 7 个 float 数，其访存粒度远低于 GPU 内存总线事务（128 字节）。预测 $16 \times 7 = 112$ 个浮点数（448 字节），不仅能充分填满一个连续的 Memory Burst，还能让整个轨迹的去噪计算以高效的矩阵/向量化形式在片上并行执行，大幅提升了算术强度与硬件利用率。

Q3 参考答案

双缓冲异步滚动调度（Receding Horizon Asynchronous Overlap）：机械臂执行一个包含 16 步的动作块，物理耗时约为 $16 \times 20\text{ms} = 320\text{ms}$ 。控制器无需等待 16 步全部执行完毕。在执行到第 8 步时，CPU 立即在独立的 CUDA Stream 上捕获当前最新的摄像头与点云感知输入，并发射后台 Flow Matching 模型去噪推理。当第 16 步即将执行完毕时，下一组动作块已在 GPU 上求解就绪，实现零停顿平滑衔接。
超时降级与平滑插值：若后台计算偶发超时（Jitter），执行器可无缝继续沿用前一轮动作块最后预测的未消耗动作，或通过三次样条平滑插值缓冲，避免机械臂在空中急停震荡。

← 上一课
第 14 课：DeepSeek DeepEP … 下一课 →
第 16 课：自动驾驶与具身感知

--- title: "第 15 课：具身智能连续动作生成算子：Diffusion Policy 与 Flow Matching 去噪求解器" jupyter: python3 --- ::: {.callout-note appearance="simple"} **参考答案版**：包含完整代码实现与问答题深度参考解析。建议先独立完成练习题后再展开核对。 ::: ## 本课目标与完成标准学完后你应能： - 深入理解具身智能（Embodied AI）与自动驾驶中**连续动作生成（Continuous Action Generation）**的系统挑战与多模态分布建模； - 搞清 Diffusion Policy（扩散策略）与 Flow Matching（流匹配，如 Physical Intelligence $\pi_0$）的数学本质与硬件执行差异； - 掌握 ODE（常微分方程）数值去噪求解器（Euler、Heun）在 GPU 上的算子融合与无全局访存驻留设计； - 理解动作分块（Action Chunking）与滚动时域（Receding Horizon）在端到端控制循环中的算子并行优化。通过必须同时满足： - 独立补齐本课代码填空题（Flow Matching ODE 轨迹积分步进算子内核模拟），并通过测试断言； - 三个问答题均说明算法数学变换与 GPU 硬件执行因果链； - 总分不低于 8/10。 ## 前置关系 - 前置要求：[第 1 课：线程映射与 Grid-Stride Loop](lesson01_vector_add.qmd)、[第 11 课：SiLU 与算子融合](lesson11_silu.qmd)。 - 本课位置：算子开发向具身智能与连续控制前沿领域的延伸进阶。 --- ## 核心心智模型 ### 1. 为什么大模型生成 Token，而具身机器人需要生成“连续动作轨迹”？大语言模型（LLM）的输出是离散词表上的概率分布（Categorical Distribution），每一步自回归采样单个 Token。但机器人手臂或自动驾驶车辆的控制指令是**高维、多步连续动作（Continuous Action Chunk）**，例如未来 16 步机械臂 7 个关节的期望角速度、力矩以及末端夹爪开合度（维度如 $16 \times 7$）。真实物理世界中，人类的操作具有强烈的**多模态歧义性（Multimodality）**：例如绕过障碍物，向左绕和向右绕都是合法策略。如果用传统的均方误差（MSE）回归，网络会输出两种策略的均值——直接撞向障碍物。 ```{mermaid} flowchart TD subgraph ActionGen["多模态动作生成范式演进"] direction TB MSE["传统回归 (MSE Loss) 多模态坍塌为不合法的中间均值"] DiffPol["Diffusion Policy (扩散策略) 高斯噪声反向曲折去噪 (需要 16~30 步) 延迟高，端侧实时性受限"] FlowMatch["Flow Matching (流匹配，如 π0) 最优传输直线速度场积分 (仅需 4~8 步甚至更少) 高速 ODE 求解，成为高频控制主流"] end MSE --> DiffPol --> FlowMatch ``` 图 15-1：具身智能连续动作生成模型演进 - **Flow Matching（流匹配）**：通过神经网络直接学习从标准高斯噪声 $x_0 \sim \mathcal{N}(0, I)$ 到真实动作轨迹 $x_1$ 之间的**直线性速度场 $v_\theta(x_t, t, c)$**： $$\frac{d x_t}{d t} = v_\theta(x_t, t, c)$$ - 在推理时，求解器只需从 $t=0$ 到 $t=1$ 积分常微分方程（ODE），通常使用简单的欧拉法（Euler Method）4~8 步即可高质量生成完整平滑的动作序列！ --- ### 2. GPU 算子级瓶颈：多步 ODE 循环的访存灾难在朴素的 PyTorch 实现中，Flow Matching 的 ODE 求解过程是一个 Python `for` 循环： ```python # 朴素未融合多步 ODE 迭代 for step in range(num_steps): t = step * dt v = model(x, t, condition) # 神经网络推理 x = x + dt * v # Elementwise 加法与缩放 (单独 Kernel) x = torch.clamp(x, -1, 1) # 动作物理限幅 (单独 Kernel) ``` 在 GPU 硬件层面，这会带来极大的系统浪费： 1. **多余的全局显存读写**：每次更新 `x = x + dt * v` 和 `clamp`，都会将几千字节的轨迹数据从板载显存读出、写入，完全处于显存带宽受限区（Memory-bound）； 2. **Launch 延迟累积**：每一步的去噪步进算子触发多次独立的 `cudaLaunchKernel`，在 50Hz~100Hz 的机械臂实时闭环中吞噬了宝贵的控制窗口。 **优化方案**：设计定制的 Fused ODE Solver Kernel，将时间步长缩放、欧拉积分更新、动力学安全限幅以及动量平滑完全融合在片上寄存器中就地完成！ --- ## 代码实战：Flow Matching 连续动作 ODE 去噪求解器内核我们实现一个工业级 Flow Matching 轨迹去噪步进算子，模拟将网络输出的速度场 $v_\theta$ 应用于当前动作轨迹 $x_t$，完成欧拉积分更新与物理安全限幅。 ### 练习题描述补齐 `fused_flow_matching_step` 函数： 1. 计算当前时间步长 $\Delta t = \frac{1}{\text{num\_steps}}$； 2. 执行欧拉数值积分更新：$x_{\text{next}} = x_t + \Delta t \cdot v_t$； 3. 执行执行器物理极限限幅约束（Clamping），将每个动作分量限制在 $[a_{\min}, a_{\max}]$ 之间； 4. 计算动作轨迹的一阶平滑度指标（速度差分方差），返回更新后的轨迹张量。 ::: {#diffusion_exercise .cell course_role='exercise'} ```python import numpy as np def fused_flow_matching_step(x_t, v_t, num_steps, action_min=-1.0, action_max=1.0): """ Flow Matching 欧拉去噪步进算子模拟内核。参数: - x_t: np.ndarray, 形状 [Batch, Trajectory_Len, Action_Dim], 当前噪声动作轨迹 - v_t: np.ndarray, 形状 [Batch, Trajectory_Len, Action_Dim], 神经网络预测的速度场 - num_steps: int, 总 ODE 离散步数 - action_min: float, 物理动作下限 - action_max: float, 物理动作上限返回: - x_next: np.ndarray, 更新并安全截断后的下一步动作轨迹 - smoothness_metric: float, 动作分块的一阶差分平滑度 """ # TODO: YOUR CODE HERE pass ``` ::: ### 检查与验证代码 ```python np.random.seed(42) B, T, D = 2, 16, 7 # 2 个环境，预测未来 16 步，7 个关节动作 mock_xt = np.random.normal(0, 1.0, size=(B, T, D)) mock_vt = np.random.normal(0, 0.5, size=(B, T, D)) x_next, smooth = fused_flow_matching_step(mock_xt, mock_vt, num_steps=5, action_min=-1.0, action_max=1.0) print("生成轨迹样本均值:", np.mean(x_next), "平滑度:", smooth) assert x_next.shape == (B, T, D) assert np.all(x_next >= -1.0) and np.all(x_next <= 1.0), "物理限幅违背！" # 验证欧拉步进数值正确性 dt = 1.0 / 5 expected_unclamped = mock_xt + dt * mock_vt expected_clamped = np.clip(expected_unclamped, -1.0, 1.0) assert np.allclose(x_next, expected_clamped, atol=1e-5), "欧拉积分步进数值计算错误！" print("Flow Matching 轨迹去噪算子验证通过！") ``` --- ## 思考与问答题 ### Q1：为什么 Flow Matching 比经典 DDPM 扩散策略更适合高频机器人控制？从概率轨迹几何形态（Curved vs Straight Paths）与数值 ODE 步数两个维度，详细对比 Flow Matching 与 DDPM 的核心差异。为什么 Flow Matching 能够在极少步骤下依然生成高质量轨迹？ **你的答案：** ### Q2：什么是动作分块（Action Chunking）？它对算子显存访问连续性有何好处？具身策略为什么不每步只输出单步动作 $a_t$，而是输出未来一段时域的动作序列轨迹 $[a_t, a_{t+1}, \dots, a_{t+H}]$？这种设计在 GPU 访存合并（Coalesced Memory Access）与计算密度上带来了哪些硬件优势？ **你的答案：** ### Q3：机械臂端侧推理中的 Receding Horizon 滚动窗口如何与 GPU 执行重叠？在物理机器人执行动作轨迹前几步的同时，后台如何利用 CUDA Stream 提前启动下一轮观测感知与 Flow Matching 求解？如果由于端侧负载抖动下一轮计算超时，控制系统应如何优雅降级？ **你的答案：** --- ## 评分与通过规则 - 代码 4 分：正确实现步长推导、欧拉积分、边界限幅与差分指标计算，通过断言； - Q1～Q3 各 2 分：深入阐述流匹配直线场、动作分块与时域重叠的因果链； - 通过线：总分 $\ge 8/10$。 --- ::: {.callout-tip collapse="true" title="💡 点击展开参考答案与详细代码实现" icon="false"} ## 参考答案（仅 answer 分支） ::: {#diffusion_solution .cell course_role='solution' execution_count=1} ```python def fused_flow_matching_step(x_t, v_t, num_steps, action_min=-1.0, action_max=1.0): assert num_steps > 0, "总步数必须大于 0" dt = 1.0 / float(num_steps) # 1. 欧拉数值积分步进: x_{next} = x_t + dt * v_t x_unclamped = x_t + dt * v_t # 2. 硬件/机械臂动力学边界安全截断 x_next = np.clip(x_unclamped, action_min, action_max) # 3. 统计一阶动作差分平滑度 (相邻时间步动作差的 L2 范数平均值) # 差分维度在时间轴 T (axis=1) if x_next.shape[1] > 1: diffs = np.diff(x_next, axis=1) smoothness_metric = float(np.mean(np.square(diffs))) else: smoothness_metric = 0.0 return x_next, smoothness_metric # 执行验证 np.random.seed(42) B, T, D = 2, 16, 7 mock_xt = np.random.normal(0, 1.0, size=(B, T, D)) mock_vt = np.random.normal(0, 0.5, size=(B, T, D)) x_next, smooth = fused_flow_matching_step(mock_xt, mock_vt, num_steps=5, action_min=-1.0, action_max=1.0) assert x_next.shape == (B, T, D) assert np.all(x_next >= -1.0) and np.all(x_next <= 1.0) dt = 1.0 / 5 expected_clamped = np.clip(mock_xt + dt * mock_vt, -1.0, 1.0) assert np.allclose(x_next, expected_clamped, atol=1e-5) print("参考实现验证 100% 通过！") ``` ::: ### Q1 参考答案 1. **轨迹几何路径拉直（Straight-line Trajectories）**：经典 DDPM 依赖随机布朗运动的逆扩散，粒子从高斯噪声还原为真实动作的路径极其弯曲迂回。为了不偏离流形，DDPM 必须使用数十步极微小的步长逐步去噪，否则会产生严重的累积误差。 Flow Matching（特别基于最优传输 Optimal Transport 的配对）强制速度场在概率流上近似沿直线（Straight Lines）流动，数学公式为 $x_t = (1-t)x_0 + t x_1$。 2. **极小步数求解的确定性**：因为路径接近直线，求解常微分方程（ODE）时不存在剧烈的局部曲率变化。使用最朴素的一阶欧拉法，只需 4~8 步便能几乎无误差地从随机噪声积分到达真实动作空间，延迟降低 4~10 倍，完美适配 50Hz~100Hz 的机械臂硬实时控制。 ### Q2 参考答案 1. **克服复合误差与时间一致性（Temporal Consistency）**：单步策略极易陷入高频抖动（Markovian Jitter）。一次性预测未来 $H$ 步的完整动作轨迹（Action Chunking），强制神经网络在隐空间考虑动作的时间平滑性与任务长时连续性，大幅减少执行器机械磨损。 2. **硬件访存合并与计算密度（Arithmetic Intensity）**：在 GPU 上，如果单步动作张量只有 7 个 float 数，其访存粒度远低于 GPU 内存总线事务（128 字节）。预测 $16 \times 7 = 112$ 个浮点数（448 字节），不仅能充分填满一个连续的 Memory Burst，还能让整个轨迹的去噪计算以高效的矩阵/向量化形式在片上并行执行，大幅提升了算术强度与硬件利用率。 ### Q3 参考答案 1. **双缓冲异步滚动调度（Receding Horizon Asynchronous Overlap）**：机械臂执行一个包含 16 步的动作块，物理耗时约为 $16 \times 20\text{ms} = 320\text{ms}$。控制器无需等待 16 步全部执行完毕。在执行到第 8 步时，CPU 立即在独立的 CUDA Stream 上捕获当前最新的摄像头与点云感知输入，并发射后台 Flow Matching 模型去噪推理。当第 16 步即将执行完毕时，下一组动作块已在 GPU 上求解就绪，实现零停顿平滑衔接。 2. **超时降级与平滑插值**：若后台计算偶发超时（Jitter），执行器可无缝继续沿用前一轮动作块最后预测的未消耗动作，或通过三次样条平滑插值缓冲，避免机械臂在空中急停震荡。 ::: ::: {.course-pagination} [**← 上一课** 第 14 课：DeepSeek DeepEP ...](lesson14_deepep.qmd){.pagination-link .pagination-prev} [**下一课 →** 第 16 课：自动驾驶与具身感知](lesson16_pointcloud_3d.qmd){.pagination-link .pagination-next} :::