Diffusion Policy
将扩散模型（DDPM）引入机器人控制的策略学习方法，通过迭代去噪过程生成高质量动作序列，能天然处理动作空间的多峰分布问题，在桌面操控任务上取得SOTA结果
时间轴 (近 90 天)
Toyota Research Institute的Diffusion Policy和Physical Intelligence的π0证明将扩散模型作为动作生成器比自回归token预测更适合连续控制任务
隐式行为克隆和扩散策略通过建模动作的多模态分布而非回归均值,减轻了分布偏移导致的平均化行为
谷歌的RT系列模型、丰田研究院的扩散策略（Diffusion Policy）以及视觉-语言-动作（VLA）模型是迈向世界任务模型的早期尝试
运动规划算法正从手工设计（RRT、A*、CHOMP、TrajOpt）向数据驱动方法（如Diffusion Policy）转型
扩散策略已在多个真实机器人任务上展现出优于传统行为克隆和Transformer策略的表现
扩散策略的核心优势在于能够建模多模态动作分布，当同一观察状态对应多种合理动作时能采样出连贯的动作序列，而传统回归方法会输出平均动作导致失败
扩散策略（Diffusion Policy）是2023年由MIT和哥伦比亚大学团队提出的方法，借鉴了去噪扩散概率模型（DDPM）
全部知识事实 (7)
Toyota Research Institute的Diffusion Policy和Physical Intelligence的π0证明将扩散模型作为动作生成器比自回归token预测更适合连续控制任务
50%待验证隐式行为克隆和扩散策略通过建模动作的多模态分布而非回归均值,减轻了分布偏移导致的平均化行为
50%待验证谷歌的RT系列模型、丰田研究院的扩散策略（Diffusion Policy）以及视觉-语言-动作（VLA）模型是迈向世界任务模型的早期尝试
50%待验证运动规划算法正从手工设计（RRT、A*、CHOMP、TrajOpt）向数据驱动方法（如Diffusion Policy）转型
50%待验证扩散策略已在多个真实机器人任务上展现出优于传统行为克隆和Transformer策略的表现
50%待验证扩散策略的核心优势在于能够建模多模态动作分布，当同一观察状态对应多种合理动作时能采样出连贯的动作序列，而传统回归方法会输出平均动作导致失败
50%待验证扩散策略（Diffusion Policy）是2023年由MIT和哥伦比亚大学团队提出的方法，借鉴了去噪扩散概率模型（DDPM）
50%