均值速度策略（Mean Velocity Policy，简称 MVP）是由清华大学（车辆与运载学院及人工智能学院）、加州大学伯克利分校人工智能研究实验室（BAIR）以及香港大学的研究团队共同提出的 。该成果作为会议论文正式发表于 2026 年的国际表征学习大会（ICLR 2026）。相关研究成果发表于论文「Mean Flow Policy with Instantaneous Velocity Constraint for One-step Action Generation」。

MVP 是一种用于强化学习的新型生成式策略，它通过对「平均速度场」进行建模，实现了最快的单步动作生成，彻底消除了多步采样的计算开销 。为了解决模型缺乏显式边界条件的难题，研究团队引入了「瞬时速度约束（IVC）」，有效提升了学习准确性与策略表达能力 。在实际表现上，MVP 大幅提升了训练与推理速度（平均单步推理仅需 10.93 毫秒），并在 Robomimic 和 OGBench 的复杂机器人操作任务中取得了 0.88 的平均最高成功率，达到了该领域的 SOTA 。