概述
扩散策略将稳定扩散等图像生成器背后的相同去噪思想应用于机器人控制：它不是预测单个下一个动作，而是通过迭代细化噪声来生成未来动作的整个短序列。这很重要，因为它比旧方法更好地处理真实操作的混乱、多模式性质。
机器人控制的扩散策略属于计算机视觉工作流程，它解释或生成用于分析、操作和创造力的视觉媒体。
深入探讨
扩散策略由哥伦比亚大学、麻省理工学院和丰田研究院的研究人员于 2023 年提出，将视觉运动学习重新定义为条件降噪。给定最近的相机图像和机器人状态，它从随机噪声开始，运行几个去噪步骤来生成“动作块”——例如末端执行器姿势的接下来 8 到 16 个时间步长。最大的胜利是多模态：当一个任务有多个有效的解决方案时（你可以从左边或右边抓住一个杯子），传统回归将它们平均为一个糟糕的中间动作，而扩散模型可以干净地致力于一种模式。它还可以从人类演示（行为克隆）中稳定地学习，并很好地应对高维动作空间，使其成为许多现代操纵系统的默认选择。
技术洞察
训练将高斯噪声添加到演示的动作序列中，并教导网络（通常是 U-Net 或 Transformer）根据视觉和本体感觉观察来预测该噪声。在运行时，它通过几个步骤（DDPM/DDIM）对随机样本进行降噪，以产生动作轨迹。预测块加上“后退地平线”重新规划可以提供时间一致性，同时对新观察保持反应。
掌握机器人控制的扩散策略
扩散策略将稳定扩散等图像生成器背后的相同去噪思想应用于机器人控制：它不是预测单个下一个动作，而是通过迭代细化噪声来生成未来动作的整个短序列。这很重要，因为它比旧方法更好地处理真实操作的混乱、多模式性质。机器人控制的扩散策略属于计算机视觉工作流程，它解释或生成用于分析、操作和创造力的视觉媒体。为了建立深入的理解，请将机器人控制的扩散策略视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，使用机器人控制扩散策略的强大团队可以平衡准确性与数据质量、照明差异和标签一致性等操作现实。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
视觉人工智能可以大规模自动化检查、检测和标记任务。同时，如果出处不明，肖像权和同意可能会成为法律风险。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
视觉人工智能可以大规模自动化检查、检测和标记任务。
视觉人工智能可以大规模自动化检查、检测和标记任务。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
创意团队可以通过更少的手动修改更快地构建概念原型。
创意团队可以通过更少的手动修改更快地构建概念原型。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
操作可以使用以前难以处理的图像和视频信号。
操作可以使用以前难以处理的图像和视频信号。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
机器人手臂将 T 形块推向目标姿势，这是扩散策略明显优于先前行为克隆方法的基准
双手机器人学习精细的厨房任务，例如从人类远程操作演示中翻转食物或组装零件
杂乱的垃圾箱拣选，其中存在多个有效的抓取，并且策略承诺一个而不是平均
视觉-语言-动作系统内的动作头模块为灵巧的手生成平滑的高频运动
实施模式
实践中机器人控制的扩散策略
机器人手臂将 T 形块推入目标姿势，这是扩散策略明显优于先前行为克隆方法的基准。
机器人手臂将 T 形块推向目标姿势，这是扩散策略明显优于先前行为克隆方法的基准。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪随着时间的推移提高生产力和错误成本时，通常会获得更好的结果。
实践中机器人控制的扩散策略
双手机器人学习精细的厨房任务，例如从人类远程操作演示中翻转食物或组装零件。
双手机器人学习精细的厨房任务，例如翻转食物或从人类远程操作演示中组装零件。当团队预先定义质量阈值、为边缘情况保留人类升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
实践中机器人控制的扩散策略
杂乱的垃圾箱拣选，存在多个有效的抓取，并且策略承诺一个而不是平均。
杂乱的垃圾箱拣选存在多个有效的把握，并且策略致力于其中一个而不是平均。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
实践中机器人控制的扩散策略
视觉-语言-动作系统内的动作头模块为灵巧的手生成平滑的高频运动。
视觉-语言-动作系统内的动作头模块为灵巧的双手生成平滑的高频运动当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
如果出处不明，肖像权和同意可能会成为法律风险。
模型性能可能因光照、人口统计和环境的不同而有所不同。
除非监控置信阈值，否则误报可能会被忽视。
实施路线图
定义精确度、召回率和错误成本的接受标准。
定义精确度、召回率和错误成本的接受标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用符合实际生产条件的数据进行测试。
使用符合实际生产条件的数据进行测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为低置信度或高影响力的预测添加人工审核。
为低置信度或高影响力的预测添加人工审核。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪模型漂移并在相机或数据集更改后重新验证。
跟踪模型漂移并在相机或数据集更改后重新验证。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。