रोबोट नियंत्रण के लिए प्रसार नीति

डिफ्यूजन पॉलिसी रोबोट नियंत्रण के लिए स्टेबल डिफ्यूजन जैसे छवि जनरेटर के पीछे एक ही निंदा विचार को लागू करती है: किसी एक अगली कार्रवाई की भविष्यवाणी करने के बजाय, यह शोर को पुनरावृत्त रूप से परिष्कृत करके भविष्य की कार्रवाइयों का एक छोटा सा अनुक्रम उत्पन्न करती है। यह मायने रखता है क्योंकि यह पुराने तरीकों की तुलना में वास्तविक हेरफेर की गड़बड़, बहु-मोडल प्रकृति को कहीं बेहतर तरीके से संभालता है।

कोलंबिया, एमआईटी और टोयोटा रिसर्च इंस्टीट्यूट के शोधकर्ताओं द्वारा 2023 में पेश की गई, डिफ्यूजन पॉलिसी विसुओमोटर लर्निंग को सशर्त निंदा के रूप में पुनः परिभाषित करती है। हाल की कैमरा छवियों और रोबोट की स्थिति को देखते हुए, यह यादृच्छिक शोर से शुरू होता है और 'एक्शन चंक' उत्पन्न करने के लिए कई निरूपण चरण चलाता है - जैसे कि एंड-इफ़ेक्टर पोज़ के अगले 8 से 16 टाइमस्टेप। बड़ी जीत मल्टीमॉडलिटी है: जब किसी कार्य में कई वैध समाधान होते हैं (आप बाएं या दाएं से एक मग ले सकते हैं), पारंपरिक प्रतिगमन उन्हें एक खराब मध्य कार्रवाई में औसत करता है, जबकि एक प्रसार मॉडल एक मोड में सफाई से प्रतिबद्ध हो सकता है। यह मानव प्रदर्शनों (व्यवहार क्लोनिंग) से भी दृढ़ता से सीखता है और उच्च-आयामी कार्रवाई स्थानों के साथ अच्छी तरह से मुकाबला करता है, जिससे यह कई आधुनिक हेरफेर प्रणालियों में एक डिफ़ॉल्ट विकल्प बन जाता है।