Multi-Agent Flow Matching with Decoupled Generative Guidance

提出 DeGG-Flow 框架，将生成过程建模为控制仿射动力系统，支持多智能体流匹配与解耦生成引导。框架处理共享约束与私有约束两类耦合需求，给出可行性条件与有限时间收敛保证，并推导 Wasserstein 边界刻画引导导致的分布偏差。在多机器人协作跨越空间间隙与多物体场景生成实验中，DeGG-Flow 直接生成满足全部硬约束的物体，包括训练时未见过的团队规模。