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।

प्रसार नीति एक अलग आदेश के बजाय, कार्रवाई के कई भविष्य के समय-चरणों को निरूपित करके एक कार्रवाई खंड तैयार करती है।

छवि प्रसार मॉडल की तरह, यह शोर से शुरू होता है और पुनरावृत्त रूप से निरूपित होता है, लेकिन यहां आउटपुट अवलोकनों पर आधारित एक क्रिया प्रक्षेपवक्र है।

जब कई क्रियाएं वैध होती हैं (उदाहरण के लिए, बाएं या दाएं को पकड़ें), प्रतिगमन उन्हें एक खराब मध्य विकल्प में औसत कर देता है; प्रसार एक ही मोड में साफ़-साफ़ प्रतिबद्ध हो सकता है।

गॉसियन शोर को प्रदर्शित क्रियाओं में जोड़ा जाता है और नेटवर्क उस शोर (अवलोकनों पर आधारित), मानक निंदा उद्देश्य की भविष्यवाणी करना सीखता है।

नीति कार्यों के एक हिस्से की भविष्यवाणी करती है लेकिन प्रतिक्रियाशीलता के साथ अस्थायी स्थिरता को संतुलित करते हुए समय-समय पर नई टिप्पणियों का उपयोग करके पुन: योजना बनाती है।