La politique de vitesse moyenne (MVP) a été proposée conjointement par des équipes de recherche de l'Université Tsinghua (École des véhicules et des transports et École d'intelligence artificielle), du BAIR (Laboratoire de recherche Baidu pour l'intelligence artificielle) de l'Université de Californie à Berkeley et de l'Université de Hong Kong. Ces travaux ont fait l'objet d'une publication officielle sous forme d'article de conférence lors de la Conférence internationale sur les représentations d'apprentissage (ICLR 2026) en 2026. Les résultats de recherche associés ont été publiés dans l'article « Politique de flux moyen avec contrainte de vitesse instantanée pour la génération d'actions en une étape".

MVP est une nouvelle politique générative pour l'apprentissage par renforcement qui permet une génération d'actions en une seule étape ultra-rapide grâce à la modélisation d'un « champ de vitesse moyen », éliminant ainsi la surcharge de calcul liée à l'échantillonnage multi-étapes. Pour pallier l'absence de conditions aux limites explicites dans le modèle, l'équipe de recherche a introduit des « contraintes de vitesse instantanée (IVC) », améliorant ainsi la précision de l'apprentissage et l'expressivité de la politique. En pratique, MVP améliore considérablement la vitesse d'entraînement et d'inférence (le temps d'inférence moyen par étape est de seulement 10,93 millisecondes) et atteint un taux de réussite moyen de 0,88 sur des tâches complexes de manipulation robotique dans Robomimic et OGBench, se hissant ainsi au sommet de la technologie dans ce domaine.