待验证50% 置信事实精确时间
Diffusion Policy 将扩散模型引入机器人控制，通过迭代去噪生成动作序列，能处理动作空间的多峰分布
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
VersatIL：解决模仿学习代码碎片化的模块化PyTorch框架
redditr/reinforcementlearning2026/7/9
相关事实
待验证扩散策略（Diffusion Policy）将去噪扩散概率模型引入动作生成，相比传统BC能更好地建模多模态动作分布，在多项真实机器人操作实验中超越基线方法85% 相似已验证扩散模型是一类基于马尔可夫链的生成模型，核心思想是通过前向加噪和反向去噪来捕捉数据分布72% 相似已验证Stable Diffusion基于潜在扩散模型（Latent Diffusion Model），通过在压缩的潜在空间中进行去噪过程来生成高质量图像69% 相似已验证扩散模型的核心原理分为前向扩散过程（逐步添加高斯噪声）和反向去噪过程（从噪声中还原图像）两个阶段67% 相似待验证Stable Diffusion 基于去噪扩散概率模型（DDPM）理论，将扩散过程从像素空间转移到低维潜在空间，由VAE负责编解码，CLIP模型将文本提示编码为语义向量67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/495201API
curl https://kongchang.com/api/v1/knowledge/claims/495201MCP
get_claim(id=495201)