05 · Diffusion Policy 与多模态动作
解释示教均值为何可能失败，以及条件去噪如何表示多种选择。
先修：行为克隆、高斯噪声与序列预测。
理解机制
机器人可以绕障碍物向左或向右时，平均路径可能碰撞。条件扩散策略通过迭代去噪表示动作分布，而非单个回归均值。论文结合动作序列预测与滚动时域执行。采样成本重要：应在真实推理时限下比较质量，而不仅统计去噪步数。不同采样器和调度不能未经测量就视为等价。
Text / 原始公式
a_k = √ᾱ_k · a₀ + √(1−ᾱ_k) · ε L = E[‖ε − εθ(a_k, k, o)‖²] ε ~ N(0,I)
学习指南与本课目录
LEARNING CONTRACT理解 → 实现 → 研究
目标：解释本课机制、复现一个例子、测试一个失败案例。读完不自动代表掌握。
- 理解层：写明假设、形状/单位和一个反例。
- 实现层：复算数值例子并检查边界。
- 研究层：在匹配预算下比较一个替代方法。
机制图与逐步推导
| 符号 | 含义 |
|---|---|
| a₀, a_k | 干净动作序列与扩散第 k 步噪声序列 |
| ᾱ_k, o | 累计信号系数与条件观察 |
- 两个等概率有效标量动作为 −1 和 +1，平方误差回归最优值为 0，却可能正对应障碍物。
- 干净
、 、 时，噪声动作 0.8−0.3=0.5。这是前向加噪，不是执行电机指令。 - 每次模型评估 4 毫秒，10 次串行评估需 40 毫秒，尚未计预处理和传输，已经超过 20 毫秒时限。
实验检查点
构建合成双路径数据集，比较回归与条件采样器。统计穿越障碍与模式覆盖，而非只有 MSE，明确标为玩具测试而非操作 benchmark 复现。
原创面试练习与分析
先口述答案再展开分析，补充假设、反例和你会运行的测试。
随机生成是否保证动作多样且安全？
不保证。训练覆盖、条件信息与采样行为都重要，生成轨迹仍需可行性和碰撞检查。
为什么预测长度大于执行长度？
更长预测提供时间上下文，更短执行前缀保留反馈，最佳比例依赖延迟和扰动频率。
阅读一手来源
Diffusion Policy ↗ · arXiv PDF ↗
Token Lab 原创讲解与合成计算，不是机器人性能实测。来源链接核对于 2026-10-25，未锁版本的 arXiv 链接可能修订，复现时请记录版本。