一文详解Diffusion Policy

最新推荐文章于 2026-05-01 11:28:21 发布
原创 最新推荐文章于 2026-05-01 11:28:21 发布 · 436 阅读 · 4 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
收录于
具身智能

当前文章被收录于：

具身智能
5 篇文章 0 人学习
订阅专栏 查看详情

这是目前机器人控制、具身智能、VLA 落地里最强的动作生成算法之一。

目录

一、一句话说清：Diffusion Policy 是什么？

二、它解决了机器人控制的什么致命问题？

三、超直观理解：扩散模型怎么生成动作？

1）训练阶段：给动作 “加噪声”

2）推理阶段：从噪声 “生成动作”

四、Diffusion Policy 核心结构（机器人专用版）

输入：

输出：

模型结构：

五、为什么 Diffusion Policy 在机器人上这么强？（重点）

1）天生输出平滑轨迹

2）能学习多模态动作分布

3）鲁棒性极强

4）长时序动作生成超强

六、和 ACT 对比（你最关心）

七、最简单的逻辑总结（记这个就够）

八、如果你要落地，我可以继续给你：

一、一句话说清：Diffusion Policy 是什么？

Diffusion Policy = 用扩散模型（Diffusion Model）来生成机器人连续动作序列。

它不是生成图片，而是生成：机器人关节角度 / 末端位姿 / gripper 开合 的平滑轨迹。

二、它解决了机器人控制的什么致命问题？

传统机器人策略（BC、RL、ACT）都有通病：

  1. 动作容易抖动、不平滑
  2. 多模态、多解法的任务学不会（比如一条任务有多种正确姿势）
  3. 一扰动就崩，鲁棒差
  4. 长时序轨迹很难生成

Diffusion Policy 直接把这些问题全部干掉。

三、超直观理解：扩散模型怎么生成动作？

扩散模型分两步：加噪（训练） → 去噪（推理）

1）训练阶段：给动作 “加噪声”

  1. 给一段完美的机器人动作轨迹
  2. 一步步加高斯噪声，直到变成纯随机噪声
  3. 让神经网络学习如何把噪声变回干净动作

→ 模型学会：任何噪声 → 还原成正常动作

2）推理阶段：从噪声 “生成动作”

  1. 输入：当前观测（图像 + 关节状态）
  2. 输入：一段纯随机噪声（当作初始动作）
  3. 模型一步步去噪
  4. 最后输出：一段高质量、超平滑的机器人动作序列

四、Diffusion Policy 核心结构（机器人专用版）

输入：

  • 视觉图像（单目 / 多目）
  • 机器人当前状态（关节角）
  • 语言指令（可选）

输出：

未来 N 步动作序列（Action Sequence）例如未来 16/32/64 步关节角度。

模型结构：

  • 视觉编码器（ResNet / ViT）
  • 时序编码器（处理历史观测）
  • 扩散 UNet 或 Transformer（去噪网络）

五、为什么 Diffusion Policy 在机器人上这么强？（重点）

1）天生输出平滑轨迹

扩散模型生成连续分布，动作不会跳变。机器人控制最需要的就是平滑、低抖动。

2）能学习多模态动作分布

一个任务可以有多种正确做法：

  • 抓杯子可以左边抓、右边抓
  • 放物体可以有多种姿势

传统模型只会学 “平均动作” → 很烂。扩散模型学完整分布 → 能生成各种正确动作。

3）鲁棒性极强

就算观测有噪声、遮挡、晃动，依然能输出稳定动作。真实机器人环境必备。

4）长时序动作生成超强

一次生成 16～64 步动作，不会像单步策略那样误差累积、漂移、崩溃。

六、和 ACT 对比（你最关心）

方法核心思想平滑度多模态鲁棒性难度
ACTTransformer + CVAE + 动作块高中中中
Diffusion Policy扩散模型去噪生成动作极高极强极强中高

结论：

  • 要高精度、柔顺、复杂操作 → Diffusion Policy 更强
  • 要速度快、轻量 → ACT 更快
  • 现在最顶尖具身智能（如 Google RT-X、DeepMind）都在往 Diffusion Policy 靠

七、最简单的逻辑总结（记这个就够）

  1. 传统策略：预测单点动作
  2. ACT：预测一整段动作块
  3. Diffusion Policy：用扩散模型生成一整段高质量动作轨迹

它是目前机器人连续控制最强范式之一。也是你做 VLA + 实体机器人 + 精细操作 的终极方案。

八、如果你要落地，我可以继续给你：

  • 最精简的 Diffusion Policy 代码（PyTorch）
  • 可直接跑的 扩散策略训练脚本
  • 适配 机械臂 / 轮式机器人 的版本
  • 结合 FSDP / DeepSpeed 分布式训练方案
标签
#人工智能
机器人操作——diffusion policy（2023）
千羽的计算机视觉与机器人
03-18 6146
机器人操作领域发论文的热点又来了。扩散模型大概率很难和强化学习结合，因为强化学习需要网络足够小从而在每次更新的很短时间内收敛，不过基于扩散模型的动力学模型可以试试。
Diffusion Policy：基于扩散模型的视觉运动策略学习新范式
qq_43664407的博客
08-06 1456
Diffusion Policy通过​​扩散模型​​​多模态建模​​：自然捕捉动作空间的多样性​​高维处理​​：支持长序列动作的稳定学习​​训练鲁棒性​​：MSE损失避免对比学习的梯度问题随着​​扩散模型加速技术​推理延迟从100ms级降至10ms级从纯模仿学习扩展到强化学习框架实现跨模态策略学习（视觉-触觉-力觉）这项技术正在推动机器人学习从​​单一解策略​​向​​多模态策略​​的范式转变，为复杂场景下的机器人应用开辟了新可能。
具身智能论文精读（四）：Diffusion Policy
最新发布
m0_56263746的博客
05-01 522
本文提出扩散策略（Diffusion Policy），一种全新的机器人行为生成范式：将机器人视觉运动策略建模为条件去噪扩散过程。本文在 4 套机器人操作基准测试集、共计 12 项不同任务上对扩散策略开展全面基准评测，结果表明：该方法性能持续超越现有业界最优机器人学习算法，平均性能提升达46.9%。扩散策略学习动作分布得分函数的梯度，推理阶段通过多步随机朗之万动力学沿该梯度场迭代优化输出动作。研究发现，将扩散模型范式用于机器人策略建模具备显著优势：可平稳处理多模态动作分布、适配高维动作空间。
Diffusion Policy扩散模型深度解析
qq_41920323的博客
04-11 534
介绍diffusion policy的原理、整体流程及每个参数的含义。
Diffusion Policy，生成式决策框架
紫金山赵火龙的博客
11-11 1543
解决的是机器人输出的问题，输入端使用非常普通的东西，聚焦于机器人的动作端sd模型输出图片，Diffusion Policy输出机器人动作。
Diffusion Policy——斯坦福UMI所用的动作预测算法：基于扩散模型的扩散策略(从原理到其编码实现)
热门推荐
结构之法 算法之道
11-09 2万+
所谓扩散策略，是指将机器人的视觉运动策略表示为条件去噪扩散过程来生成机器人行为的新方法，如下图所示a)具有不同类型动作表示的显式策略(b)隐式策略学习以动作和观察为条件的能量函数，并优化能够最小化能量景观的动作c)通过“条件去噪扩散过程在机器人行动空间上生成行为”，即该扩散策略策略不直接输出一个动作，而是推断出「基于视觉观察的动作-评分梯度」，进行K次去噪迭代。
【论文阅读】Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
qq_33673253的博客
09-26 5394
本文介绍了扩散策略，这是一种通过将机器人的视觉运动policy表示为条件去噪扩散过程来生成机器人行为的新方法。我们对来自 4 个不同的机器人操作基准的 15 个不同任务的扩散策略进行了基准测试，发现它始终优于现有的 state-of-the-art 机器人学习方法，平均提高了 46.9%。扩散策略学习动作分布评分函数的梯度，并通过一系列随机朗之万动力学步骤在推理过程中针对该梯度场迭代优化。
Diffusion Policy 代码详解
weixin_53370601的博客
07-01 1637
Diffusion Policy代码解析：从基础到实现 本文详细解析了Diffusion Policy开源项目的代码结构与实现原理。文章首先介绍了必要的预备知识，包括机器学习基础、Diffusion模型和模仿学习相关概念。随后重点分析了项目代码结构，以训练配置文件image_pusht_diffusion_policy_cnn.yaml为切入点，解读了其中包含的各类参数设置及其作用。
Diffusion Policy详解
A1233242的博客
12-14 2019
Diffusion Policy 是一种将扩散模型（Diffusion Model）用于机器人控制的策略学习方法：它把机器人动作序列看作“需要逐步去噪生成的数据”，在给定当前观测（如图像、状态、语言指令）的条件下，通过多步去噪过程直接生成连续、平滑且多模态的动作轨迹。相比传统行为克隆或单步回归策略，Diffusion Policy 更擅长建模复杂长时序操作、不确定性和多解行为，在真实机器人操作与仿真任务中表现出更强的稳定性与泛化能力。
Diffusion Policy论文里面Introuction的不同Policy的图讲解
To be a better man
06-18 979
Policy 类型输出方式是否能表达多模态稳定性是否逐步生成Explicit直接输出❌（容易 collapse）✅❌Implicit优化能量✅❌（训练难）❌Diffusion解噪还原✅ ✅（梯度+采样）✅（不需Z）✅（逐步采样）如果你想在 introduction 里写清楚这个图的贡献，我可以给你写一段论文级表达，比如：要不要我来帮你写一段你论文 introduction 对应这图的版本？
模仿学习算法——ATC / Diffusion Policy
weixin_44580210的博客
04-05 5057
最近又开始接触具身智能相关的一些工作，本文主要介绍三篇较为基础的用来做模仿学习的算法，后续有空再进一步学习分享RT系列和Pi0等文章ACT算法全称为Action Chunking with Transformers，发表于《Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware》，该论文主要内容为如何使用低成本的硬件和模仿学习算法来实的双手操作，我们主要对算法部分进行剖析ACT算法的网络结构如下图所示，使用的采用的是生成式模型VA
论文笔记（四十七）Diffusion policy: Visuomotor policy learning via action diffusion （上）
xzs1210652636的博客
09-27 5431
本文介绍了Diffusion Policy，一种通过将机器人的视动策略表示为条件去噪扩散过程的新方法来生成机器人行为。我们在来自四个不同机器人操作基准的15个任务上对Diffusion Policy进行了基准测试，结果显示它在所有任务中表现优异，平均提高了46.9%。Diffusion Policy通过学习动作分布评分函数的梯度，并在推理过程中通过一系列随机Langevin动力学步骤迭代优化这一梯度场。
paper解读：diffusion policy
weiqing959595的博客
03-05 1301
对动作信息的特征进行修饰，修饰后的特征经过连续的卷积神经网络， 得到当前状态和动作（带噪声）下的噪声，对当前动作（带噪声）去除噪声，生成更清晰的动 作，循环K次，生成动作。分类分布对于低维的动作，有一定的效果，但是当动作的维度变大以后，动作的类别呈指数上升。为了解决这一问题，研究人员将动作各维度信息进行解耦，针对每一维信息进行采样，然后组合成N维的动作，这样会产生很多本来不存在的动作模态，如{（1，2）（4，5）}，解耦以后{（1，4），（1，5），（2，4）（2，5）}
Diffusion Policy Visuomotor Policy Learning via Action Diffusion官方项目解读（二）（1）
xzs1210652636的博客
04-06 1512
运行官方代码库中提供的Colab代码：vision-based environment（二）（1）
Diffusion Policy: Visuomotor Policy Learning via Action Diffusion精读笔记（一）
SherylBerg的博客
06-12 7665
本篇主要根据论文中内容和引申内容，做出了对于主要技术路线的讲解，接下来可能还会继续更新关于代码和实验复现的相关内容，欢迎批评指正。
Diffusion Policy:基于扩散模型的机器人动作生成策略
zhaoliang的博客
05-23 1万+
Diffusion Policy:基于扩散模型的机器人动作生成策略
哥伦比亚大学突破性的方法- Diffusion Policy：利用Action Diffusion进行视觉运动策略学习
jiayoushijie的博客
06-21 4020
本论文工作提出了一种名为Diffusion Policy的新型视觉运动策略学习方法，它利用了扩散模型强大的生成建模能力。通过引入时间衰减控制、视觉条件和时间序列扩散transformer等关键技术贡献，Diffusion Policy在各种复杂的机器人操作任务上实现了最佳性能，展示了其在机器人领域的广阔应用前景。
Diffusion Policy——从公式和代码角度解析：个人最看好的机器人操控算法
小蜗牛的珍贵百宝箱
05-17 2472
Diffusion Policy 是一种基于扩散模型的动作预测算法，广泛应用于机器人操控领域。它通过逐步去噪的过程生成机器人在特定环境下的动作序列，能够有效捕捉复杂任务中的潜在策略空间。与传统的强化学习算法不同，Diffusion Policy 利用扩散模型的生成特性，结合前向扩散和反向去噪过程，生成精准的动作。其核心模型通常采用 U-Net 类型的神经网络，通过训练去噪网络来恢复合理的动作序列。训练过程结合了扩散模型和强化学习，优化模型以最大化累积奖励。Diffusion Policy 在复杂任务中表现出
每日学术速递3.10
与君共勉，一起学习
03-10 1371
标题：扩散策略：通过动作扩散进行视觉运动策略学习作者：Cheng Chi, Siyuan Feng, Yilun Du, Zhenjia Xu, Eric Cousineau, Benjamin Burchfiel, Shuran Song文章链接：https://arxiv.org/abs/2303.04137项目代码：https://diffusion-policy.cs.columbia.edu/摘要： 本文介绍了扩散策略，这是一种通过将机器人的视觉运动策略表示为条件去噪扩散过程来生成机
《3D Diffusion Policy》论文阅读
programmer_A的博客
03-20 3681
视觉模仿学习算法
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

智驱千行

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值