机器人扩散策略通过从噪声动作序列出发，并基于近期观测数据迭代去噪来生成动作。学习到的分布可以代表同一场景的多种合理行为，这在演示中包含真正多模态完成任务的方法时非常有用。
该策略并非整个机器人控制栈。观测捕获、归一化、推断调度、命令转换、插值、伺服控制、极限和保护反应都围绕其展开。其预测视野和实际执行的较短部分决定了系统对新证据响应的速度。
本指南应与 机器人动作分块指南 及 机器人传感器融合指南一起使用。评估目标具体体现和任务分布的扩散策略，而不是将单一基准改进视为普遍结果。
扩散策略对条件动作分布进行建模
使用单一回归目标的行为克隆可以平均不兼容的演示，产生不属于任何已知模式的动作。扩散目标则学习如何将噪声转化为与观察条件一致的动作序列分布区域。因此，不同样本可以表达不同的有效模式。
官方的 扩散策略项目 描述了在执行后退视界执行的动作空间中的条件去噪。该方法预测的是序列而非孤立命令，但多模态性并不保证意图正确：数据集覆盖率和条件处理仍决定可用的模式。
训练增加了噪音，并学会了反向方向
在训练过程中，在采样扩散时间步时，会扰动一个干净且已演示的动作序列。神经网络接收噪声序列、时间步和观测特征，然后学习一个去噪目标，如添加噪声或等效参数化。噪声调度和目标定义必须与推断时使用的采样器相匹配。
动作需要一致的单位、排序和归一化。关节位置、笛卡尔δ、旋转和夹持器命令具有不同的尺度和拓扑结构。旋转应使用已知不连续的表示，有界抓握器状态可能需要单独处理。如果动作界面模糊，模型可以在产生物理不一致命令的同时最小化损失。
推理会逐步细化整段候选动作时域
运行时，策略从噪声中初始化动作视野，并基于观测历史应用有限的反向更新序列。最终序列是样本，而非确定性优化证明。随机种子、采样计划、步骤数和指导选择都会影响输出和延迟。
测量从传感器暴露到命令应用的端到端时间。仅GPU内核时间就省略了图像传输、预处理、队列和控制器切换。如果一次去噪通道速度低于观察间隔，陈旧帧或重叠请求需要明确策略，而非无界回调队列。
| 地平线或速率 | 含义 | 主要权衡 | 日志 |
|---|---|---|---|
| 观测视界 | 过去供应的州 | 情境与记忆 | 最早的数据年龄 |
| 预测视野 | 生成的动作 | 相干性与不确定性 | 序列长度 |
| 执行视野 | 刷新前应用的操作 | 效率与反应性 | 应用前缀 |
| 扩散步骤 | 每个样本的反向更新 | 质量与延迟 | 采样器时长 |
| 伺服速率 | 硬件命令更新 | 平滑度与带宽的比较 | 应用时间戳 |
滚动时域执行形成闭环
常见设计仅执行预测序列的第一部分，再次观测并生成替换序列。这类似于调度层面上的模型预测后退视界控制，但学习到的生成器不一定在线解决动力学约束的最优控制问题。
从任务速度、接触敏感度和推理预算中选择执行前缀。长前缀保持相干运动并减少计算需求，但对干扰反应缓慢。极短前缀经常重新规划，但可能造成不连续性或暴露采样变异。分别记录请求、生成和实际应用的视野。
观测条件定义了可纠正的误差
图像、本体感觉、力或语言特征必须与训练时完全同步和归一化。相机裁剪、镜头、曝光、帧次序和机器人状态规范都可能改变输入分布。看似轻微的尺寸调整或终点帧变化都可能使学习到的映射失效。
使用带时间戳的历史记录，而非假设一批数据同时包含证据。如果视力到达较晚，当前本体感觉与较旧图像结合描述的真实状态。数据增强可以提高对计划变异的容忍度，但部署测试仍需具代表性的光照、视角、遮挡和校准偏移。
动作表示与低层控制器的结合
策略可以预测关节目标、笛卡尔δ、速度或归一化的抽象动作。下游控制器将这些值转换为自身增益、插值和极限下的力矩和运动。因此，重现策略需要动作转换和控制器配置，而不仅仅是模型检查点。
将控制细节与 机器人位置、速度和转矩控制指南 及 ROS 2 实时控制指南进行协调。在行为确定且可测试的层上提供钳位速率、工作区和力；不要假设训练示例会强制执行硬件限制。
数据集多样性不等同于部署覆盖
Open X-Embodiment库将开放机器人数据集统一为统一格式，并区分软件许可与非代码材料许可。大型集合可以拓宽预训练范围，但其摄像机几何体、动作空间、任务标签和具身组合并不会自动平衡新机器人。
按数据集进行采样、重复、失效实例和动作转换的审计。保持部署特定的分割，包含目标抓握器、对象和扰动，但不用于模型选择。交叉身体预训练是假设测试，而非校准或运动学差异消失的证据。
| 评估轴 | 匹配测试 | 偏移检验 | 失效证据 |
|---|---|---|---|
| 物品 | 被保留的实例 | 新形状与材料 | 错误的联系 |
| 观点 | 类似训练的坐骑 | 相机位移 | 视觉错定位 |
| 语言 | 已知的措辞 | 意译与转移注意力 | 错误的子任务 |
| 动力学 | 名义载荷 | 质量与摩擦变化 | 超越或下降 |
| 时间安排 | 正常计算负载 | 延迟观测 | 陈旧动作 |
抽样变异需要受控评估
由于推断可能是随机的，一个起始状态可能产生不同的序列。在比较软件变更时固定种子，然后重复多个种子以测量操作变异性。通过可重放的观测或仪器装置，将策略随机性与非受控物体放置和传感器噪声区分开来。
报告试验数量、成功定义和置信区间。不要从众多样本中选择最具视觉吸引力的推广，而不计入被淘汰的尝试。如果抽样并排序多个候选序列，排名模型和额外计算是部署系统的一部分，需要各自的消融。
安全不应被纳入学习成功指标
任务成功不衡量碰撞能量、关节极限接近度、不安全进入工作空间或人工干预。记录保护性停止、接触、峰值力量、掉落物体和操作员接管，即使任务最终完成。近距离事故不应被二元成功标签隐藏。
使用确定性命令检查、碰撞监控以及适合应用的合格安全架构。测试图像损坏、延迟状态、采样超时、 NaN输出和超出范围的操作。在自主试验前为每个案例定义备用方案，包括机器人是否保持、撤退或进入安全状态。
部署审查将模型证据与硬件联系起来
扩散策略论文和官方实现是该方法和报告实验的主要参考文献。复制应包括针码、检查点、数据集修订、采样器、图像转换、动作约定和控制器，因为每个都改变可执行策略。
先从离线动作回放开始，接着使用受保护的测试灯具，然后扩展对象、姿态、光照和干扰范围。每次试验都保留视频和同步的原始遥测数据。只有当策略的延迟尾随、故障分类和保护行为符合书面操作范围时，才推广。
评估“机器人扩散策略：动作去噪与长时域控制”时，还应保存模型版本、机器人配置、标定文件、测试日期和全部试验记录。把成功、失败、恢复与人工介入放在同一份数据中，才能区分模型能力、系统接口和现场流程造成的差异。
成本评估除了设备与算力，还要记录数据采集、工程调试、安全措施、维护、停机和人员培训。只有把这些持续投入与单位成功任务的价值比较，才能判断方案是否适合扩大。
上线后仍要持续检查分布变化、传感器漂移、机械磨损和人工接管原因。监测结果应能触发降级、停止与重新验证流程，并为下一轮数据采集和模型更新留下可追溯记录。
- 针式观察和动作约定。
- 测量完全去噪和指令延迟。
- 将预测视野与执行前缀分开。
- 在种子和物理变形间反复试验。
- 保持确定论的极限和保护反应独立。
常见问题
扩散策略是否与愿景-语言-行动模型相同？
不。扩散描述了一种动作生成机制。 VLA 策略还会在特定架构中使用语言和愿景；它可能使用扩散，也可能不使用。
为什么要预测动作的顺序？
序列可以保持时间相干性，并表示一个简短的行为段。系统仍只能执行前缀，并根据新观测值进行重规划。
更多的去噪总是能提升机器人的性能吗？
不行。额外的步骤会增加延迟，且可能显示收益递减。有用的设置必须结合已部署的采样器、硬件和任务来衡量。
保单能直接控制发动机吗？
通常，低级别控制器将预测的关节目标或笛卡尔目标转换为硬件命令。该接口及其限制是系统的一部分。
多模态行为应如何评估？
在种子间重复匹配启动状态，统计所有尝试，检查模式适宜性，并报告任务、安全和变异指标，而非一次性推出。
扩散策略部署边界
扩散策略在其训练分布下生成学习到的动作序列。它本身并不能保证物理机器人的运动学可行性、控制稳定性、碰撞避免或功能安全。