주파수 인지 플로우 매칭: 연속적이고 일관된 로봇 액션 생성을 위한 방법

Frequency-Aware Flow Matching for Continuous and Consistent Robotic Action Generation

플로우 매칭은 복잡하고 다양한 동작 분포를 모델링하는 강력한 표현력을 갖추고 있어, 디퓨전 정책과 같은 다른 접근 방식들과 함께 로봇 조작 분야의 표준적인 패러다임으로 자리 잡았습니다. 하지만 기존 방법들은 이산화된 액션 단위에 의존하기 때문에, 서로 다른 제어 주파수로 수집된 데모 데이터에 취약하며, 시간적으로 일관성 없는 동작을 생성하여 제어 안정성을 저하시킬 수 있습니다. 본 논문에서는 연속적이고 시간적으로 일관된 액션을 출력하는 주파수 인지 플로우 매칭(Frequency-Aware Flow Matching, FAFM) 방법을 제안합니다. 서로 다른 주파수의 입력 데이터를 처리하기 위해, 우리는 이산적인 액션 시퀀스를 불연속 코사인 변환(Discrete Cosine Transform, DCT)을 사용하여 주파수 영역으로 변환하고, 결과 계수를 기반으로 플로우 매칭을 수행한 후, 코사인 기저 확장을 통해 연속적인 액션을 재구성합니다. 시간적으로 일관된 액션 생성을 위해, 우리는 1차 시간 미분을 정규화하여 부드러운 동작을 유도합니다. 이는 소보레프(Sobolev) 유형의 제약 조건에 해당하며, 고주파 오차를 억제하고 급격한 액션 변화를 방지합니다. FAFM은 간단하며 추가적인 네트워크 파라미터를 도입하지 않으며, 독립적인 플로우 매칭 정책 및 비전-언어 액션 모델에 적용될 수 있습니다. 합성 데이터 환경, 장애물 회피, LapGym, 그리고 LIBERO 데이터셋에서 FAFM은 성공률, 다중 모드 표현력, 동작의 부드러움, 수렴 속도, 기계적 편향 및 혼합 주파수 입력에 대한 강건성을 향상시킵니다. 이러한 성능 향상은 실제 Franka 로봇에서도 확인되었습니다. 코드: https://anonymous.4open.science/r/FAFM

Flow matching has emerged as a standard paradigm for robotic manipulation owing to its strong expressive power for modelling complex, multimodal action distributions, alongside similar approaches like diffusion policy. However, existing methods rely on discretized action chunks, making them brittle to demonstrations collected at heterogeneous control frequencies and prone to temporally inconsistent actions that degrade control stability. In this paper, we propose Frequency-Aware Flow Matching (FAFM), which outputs continuous, temporally consistent actions. To handle heterogeneous frequency input, we transform discrete action sequences into the frequency domain with the discrete cosine transform (DCT), perform flow matching over the resulting coefficients, and reconstruct continuous actions via cosine basis expansion. To generate temporally consistent actions, we regularize the first-order temporal derivative to promote smooth actions. This corresponds to a Sobolev-type constraint that suppresses high-frequency errors and discourages abrupt action changes. Our FAFM is simple, introduces no additional network parameters and applies to standalone flow-matching policies and vision-language action models. Across synthetic toy benchmark, obstacle avoidance, LapGym, and LIBERO, FAFM improves success rates, multimodal expressivity, motion smoothness, convergence speed, robustness to mechanical bias and mixed-frequency input. These gains are consistent when deployed on a real-world Franka robot. Code available at https://anonymous.4open.science/r/FAFM.