RL基础理论02-Flow Matching的VLA策略PPO训练原理02-1：从 Action Chunk 生成到 new_logprob/old_logprob 比率计算的完整推导01

生成RGB插图

基于上传的 markdown 文件来继续，上传的 markdown 文件中有的内容和知识不要在本次任务中冗余，结合以上所有分析，详细解释以π0.5为例，详细讲解Flow-Matching范式模型进行PPO训练时的r=new_logprob/old_logprob是如何计算的。公式推导过程要能让高中生看懂。 内容按照第一章/1/1.1的层次布局。- 给10处关键内容处添加图标题，图标题的格式参考：图 1｜从路径求导得到条件向量场”，只需要给出文本版的图标题即可（生成图的操作在生成文本后再独立操作）。字数要2W字。

收到。我会基于你上传的 markdown 文件继续，而不是重新从 Flow Matching 基础重复展开。

已读取的文档已经覆盖了以下基础内容：

• PPO 中：

rt(θ)=πθ(at∣ot)πθold(at∣ot)r_t(\theta)=\frac{\pi_\theta(a_t|o_t)}{\pi_{\theta_{old}}(a_t|o_t)}