概念diffusion policy
扩散策略
一种基于扩散模型的机器人策略学习方法，通过迭代去噪过程生成连续动作序列，常用于物理AI中的抓取与操作任务。
核心事实
时间轴 (近 90 天)
10月27日
FLORE 的策略网络以视觉、本体感觉和实测力旋量为输入，输出动作以及每只手的力指令，采用扩散策略生成动作。
待验证50%
10月13日
模仿学习（Imitation Learning）是一类让机器人从人类演示中直接学习策略的方法，通过行为克隆或扩散策略等方式将观测映射到动作，其核心优势是样本效率高，但分布外泛化能力弱。
待验证50%
8月29日
模仿学习的代表性方法包括行为克隆、扩散策略以及ACT（Action Chunking with Transformers）
待验证50%
全部知识事实 (4)
已验证
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
65%待验证FLORE 的策略网络以视觉、本体感觉和实测力旋量为输入，输出动作以及每只手的力指令，采用扩散策略生成动作。
50%待验证模仿学习（Imitation Learning）是一类让机器人从人类演示中直接学习策略的方法，通过行为克隆或扩散策略等方式将观测映射到动作，其核心优势是样本效率高，但分布外泛化能力弱。
50%待验证模仿学习的代表性方法包括行为克隆、扩散策略以及ACT（Action Chunking with Transformers）
50%