يُعدّ تدريب سياسات تعبرية تعتمد على النماذج التدفقية باستخدام التعلم القائم على السياسة غير المُتَبَعَة (off-policy) أمرًا معروفًا بكونه غير مستقر بشكل كبير، ناتجًا عن مشاكل في التدرجات خلال عملية عينة الإجراءات متعددة المراحل. نُحلّل هذه عدم الاستقرار ونُشير إلى ارتباط جوهري: حيث يُعدّ تدفق التدفق (flow rollout) مكافئًا جبرياً لحساب تكراري تنازلي (residual recurrent computation)، مما يجعله عرضة لنفس مشاكل التدرجات المتناقصة أو المتفجرة التي تؤثر على الشبكات العصبية التكرارية (RNNs). وللتغلب على هذه المشكلة، نُعاد صياغة شبكة السرعة (velocity network) باستخدام مبادئ من النماذج последوية الحديثة، مما يؤدي إلى اقتراح معماريتين مستقرتين: "فْلو-ج" (Flow-G)، التي تُدمج سرعة مُتحكمَة (gated velocity)، و"فْلو-ت" (Flow-T)، التي تستخدم سرعة مُفكَّكة (decoded velocity). ثم نطوّر خوارزمية عملية تعتمد على SAC (Soft Actor-Critic)، وتمكّن من التدريب المباشر من الطرف إلى الطرف (end-to-end) من خلال استخدام تدفق مُضاعف بعوامل ضجيج (noise-augmented rollout). ويُمكن لنهجنا دعم التعلم من الصفر (from-scratch) والتعلم من البيانات المُخزّنة إلى التعلم المباشر (offline-to-online)، ويحقق أداءً يُعدّ من الأفضل على المستويات الحالية في معايير التحكم المستمر والمهام المتعلقة بالتحكم الروبوتي، مع التخلص من الحاجة إلى حلول تقليدية مثل تجميع السياسات (policy distillation) أو استخدام أهداف بديلة (surrogate objectives).