待验证50% 置信事实精确时间
FlowMoP 提出一种条件流匹配框架，联合生成多个智能体的多样化未来运动，同时建模全局轨迹与根相对姿态。
1
来源数
50%
置信度
长期有效
时效性
2026/11/9
首次发现
来源
涉及实体
相关事实
待验证FlowBatt 能够生成多条合理轨迹，给出退化建模的经验预测区间，这是确定性方法无法提供的输出维度。76% 相似待验证FlowAlign未来有望扩展到更多模态和更复杂的下游任务，例如多模态生成和跨模态推理。74% 相似待验证Rectified Flow 是流匹配的一种具体实现，将源分布与目标分布之间的路径拉直为直线，使积分步数更少、生成效率更高71% 相似已验证Flow matching是一种生成模型训练方法，直接学习从噪声分布到数据分布的确定性ODE路径，定义线性插值路径xt=(1-t)x₀+tx₁，神经网络学习预测该路径上每一点的速度向量71% 相似待验证FlowMoP 采用 B 样条重参数化将生成状态空间压缩到低维控制点，同时强制时间平滑性，降低生成模型复杂度并保证轨迹物理合理性。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1150715API
curl https://kongchang.com/api/v1/knowledge/claims/1150715MCP
get_claim(id=1150715)