ReinFlowは、カーネギーメロン大学、清華大学、その他の大学・研究機関の研究チームによって2025年9月に共同で提案されました。関連する研究成果は論文「…」に掲載されました。ReinFlow: オンライン強化学習によるフローマッチングポリシーの微調整NeurIPS 2025に選定されました。

ReinFlowは、連続ロボット制御における様々なフローマッチングポリシーを安定的に微調整できる、初のオンライン強化学習アルゴリズムです。厳密な強化学習理論に基づくこのパラダイムは、フローポリシーの決定論的経路に学習可能なノイズを注入し、フローを離散時間マルコフ過程に変換することで、正確かつ直接的な確率計算を可能にします。この変換により探索が容易になり、トレーニングの安定性が確保されるため、ReinFlowは様々なフローモデルのバリアントを安定的に微調整することができ、特にノイズ除去ステップを非常に少なく、あるいは1ステップのみで行うことが可能です。