Temporal Flow Policy：让机器人策略记忆随物理时间演化

研究者提出 Temporal Flow Policy（TFP），将物理时间作为机器人策略记忆缺失的维度，让记忆状态按实测时间间隔演化，并以此条件化扩散与 flow-matching 策略。TFP 在 Diffusion Policy 和 π0.5 上的受控对比中平均成功率高于循环记忆、状态空间记忆及学习门控变体，并在真实机器人定时/记忆任务与 LIBERO 评测中取得提升。