概述
擴散策略將穩定擴散等影像產生器背後相同的去噪思想應用於機器人控制：它不是預測單一下一個動作，而是透過迭代細化雜訊來產生未來動作的整個短序列。這很重要，因為它比舊方法更好地處理真實操作的混亂、多模式性質。
機器人控制的擴散策略屬於電腦視覺工作流程，它解釋或產生用於分析、操作和創造力的視覺媒體。
深入探討
擴散策略由哥倫比亞大學、麻省理工學院和豐田研究院的研究人員於 2023 年提出，將視覺運動學習重新定義為條件降噪。給定最近的相機影像和機器人狀態，它從隨機雜訊開始，運行幾個去噪步驟來產生「動作區塊」——例如末端執行器姿勢的接下來 8 到 16 個時間步長。最大的勝利是多模態：當一個任務有多個有效的解決方案時（你可以從左邊或右邊抓住一個杯子），傳統回歸將它們平均為一個糟糕的中間動作，而擴散模型可以乾淨地致力於一種模式。它還可以從人類演示（行為克隆）中穩定地學習，並很好地應對高維動作空間，使其成為許多現代操縱系統的預設選擇。
技術洞察
訓練將高斯噪音添加到演示的動作序列中，並教導網路（通常是 U-Net 或 Transformer）根據視覺和本體感覺觀察來預測該噪音。在運行時，它會透過幾個步驟（DDPM/DDIM）對隨機樣本進行降噪，以產生動作軌跡。預測區塊加上「後退地平線」重新規劃可以提供時間一致性，同時對新觀察值保持反應。
掌握機器人控制的擴散策略
擴散策略將穩定擴散等影像產生器背後相同的去噪思想應用於機器人控制：它不是預測單一下一個動作，而是透過迭代細化雜訊來產生未來動作的整個短序列。這很重要，因為它比舊方法更好地處理真實操作的混亂、多模式性質。機器人控制的擴散策略屬於電腦視覺工作流程，它解釋或產生用於分析、操作和創造力的視覺媒體。為了建立深入的理解，請將機器人控制的擴散策略視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，使用機器人控制擴散策略的強大團隊可以平衡準確性與數據品質、照明差異和標籤一致性等操作現實。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。同時，如果出處不明，肖像權和同意可能會成為法律風險。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
創意團隊可以透過更少的手動修改來更快地建立概念原型。
創意團隊可以透過更少的手動修改來更快地建立概念原型。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
操作可以使用以前難以處理的影像和視訊訊號。
操作可以使用以前難以處理的影像和視訊訊號。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
機器手臂將 T 形塊推向目標姿勢，這是擴散策略明顯優於先前行為克隆方法的基準
雙手機器人學習精細的廚房任務，例如從人類遠端操作演示中翻轉食物或組裝零件
雜亂的垃圾箱揀選，其中存在多個有效的抓取，並且策略承諾一個而不是平均
視覺-語言-動作系統內的動作頭模組為靈巧的手產生平滑的高頻運動
實施模式
實踐中機器人控制的擴散策略
機器手臂將 T 形塊推入目標姿勢，這是擴散策略明顯優於先前行為克隆方法的基準。
機器手臂將 T 形塊推向目標姿勢，這是擴散策略明顯優於先前行為克隆方法的基準。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤隨著時間的推移提高生產力和錯誤成本時，通常會獲得更好的結果。
實踐中機器人控制的擴散策略
雙手機器人學習精細的廚房任務，例如從人類遠端操作演示中翻轉食物或組裝零件。
雙手機器人學習精細的廚房任務，例如翻轉食物或從人類遠端操作演示中組裝零件。當團隊預先定義品質閾值、為邊緣情況保留人類升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中機器人控制的擴散策略
雜亂的垃圾箱揀選，存在多個有效的抓取，並且策略承諾一個而不是平均。
雜亂的垃圾箱揀選存在多個有效的把握，策略致力於其中一個而不是平均。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中機器人控制的擴散策略
視覺-語言-動作系統內的動作頭模組為靈巧的手產生平滑的高頻運動。
視覺-語言-動作系統內的動作頭模組為靈巧的雙手產生平滑的高頻運動當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
如果出處不明，肖像權和同意可能會成為法律風險。
模型表現可能因光照、人口統計和環境的不同而有所不同。
除非監控置信閾值，否則誤報可能會被忽略。
實施路線圖
定義精確度、召回率和錯誤成本的接受標準。
定義精確度、召回率和錯誤成本的接受標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
使用符合實際生產條件的數據進行測試。
使用符合實際生產條件的數據進行測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
為低置信度或高影響力的預測添加人工審核。
為低置信度或高影響力的預測添加人工審核。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤模型漂移並在相機或資料集變更後重新驗證。
追蹤模型漂移並在相機或資料集變更後重新驗證。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。