# Diffusion Policy：视运动策略学习新范式，12项任务平均性能提升46.9%

> 原文链接：https://robotics.hellobike.com/papers/2023-03-07-2303-04137-79e31679
> 频道：papers | 更新日期：2023-03-07 | 标签：auto, arxiv, cs.RO, landmark
> 核心摘要：论文提出将机器人视运动策略建模为条件去噪扩散过程，在4大基准12项任务中较SOTA方法平均提升46.9%。通过引入滑动时域控制、视觉条件化及时间序列扩散Transformer，有效解决多模态动作分布与高维空间难题，代码数据已开源。

# Diffusion Policy：视运动策略学习新范式，12项任务平均性能提升46.9%

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Diffusion Policy: Visuomotor Policy Learning via Action Diffusion](https://arxiv.org/abs/2303.04137)（arXiv 2303.04137）

## 核心内容

哥伦比亚大学等机构提出Diffusion Policy，将机器人行为生成重构为条件去噪扩散过程。该方法在4个主流机器人操作基准的12项任务中进行评测，相比现有最先进机器人学习方法，取得了46.9%的平均性能提升。研究验证了扩散模型在物理机器人视运动策略学习中的有效性，并公开了完整代码、数据集及训练细节，为具身智能策略学习提供了新的生成式建模范式。

技术上，该策略通过学习动作分布得分函数的梯度，并在推理阶段经由随机Langevin动力学迭代优化。针对机器人控制特性，论文引入了滑动时域控制（Receding Horizon Control）、视觉条件注入及时间序列扩散Transformer三大关键改进。这种架构不仅天然适配高维动作空间，还能优雅处理多模态动作分布，且在训练过程中表现出极高的稳定性，克服了传统行为克隆方法的局限。

## 关键看点

- **性能基准**：在4大机器人操作基准共12项任务中，较现有SOTA方法实现46.9%的平均性能提升
- **核心机制**：基于动作分布得分函数梯度学习，推理时通过随机Langevin动力学步骤进行迭代优化
- **关键技术**：集成滑动时域控制、视觉条件化与时间序列扩散Transformer，适配物理机器人控制
- **工程优势**：原生支持多模态动作分布与高维动作空间，训练稳定性显著优于传统策略学习方法

## 工程与产业观察

Diffusion Policy确立了生成式模型在机器人底层控制中的工程可行性。其通过滑动时域控制与时序Transformer解决了扩散模型推理慢、难对齐物理约束的痛点，46.9%的性能跃升证明了从判别式向生成式策略迁移的价值。开源资产为具身智能社区提供了高价值基线，加速了复杂操作任务的算法迭代。

## 英文摘要 (Abstract)

This paper introduces Diffusion Policy, a new way of generating robot behavior by representing a robot's visuomotor policy as a conditional denoising diffusion process. We benchmark Diffusion Policy across 12 different tasks from 4 different robot manipulation benchmarks and find that it consistently outperforms existing state-of-the-art robot learning methods with an average improvement of 46.9%. Diffusion Policy learns the gradient of the action-distribution score function and iteratively optimizes with respect to this gradient field during inference via a series of stochastic Langevin dynamics steps. We find that the diffusion formulation yields powerful advantages when used for robot policies, including gracefully handling multimodal action distributions, being suitable for high-dimensional action spaces, and exhibiting impressive training stability. To fully unlock the potential of diffusion models for visuomotor policy learning on physical robots, this paper presents a set of key technical contributions including the incorporation of receding horizon control, visual conditioning, and the time-series diffusion transformer. We hope this work will help motivate a new generation of policy learning techniques that are able to leverage the powerful generative modeling capabilities of diffusion models. Code, data, and training details is publicly available diffusion-policy.cs.columbia.edu

作者：Cheng Chi, Zhenjia Xu, Siyuan Feng, Eric Cousineau, Yilun Du, Benjamin Burchfiel, Russ Tedrake, Shuran Song
:::

## 原始参考来源 (Sources)

- [arXiv 2303.04137：Diffusion Policy: Visuomotor Policy Learning via Action Diffusion](https://arxiv.org/abs/2303.04137)