外观
Skip to content
diffusion_policy
diffusion_policy
real-stanford 在 GitHub 开源的框架，主要语言 Python。 [RSS 2023] Diffusion Policy Visuomotor Policy Learning via Action Diffusion
概述
这个开发工具的核心职责、所属技术栈与硬件生态定位。
diffusion_policy是斯坦福REAL实验室开源的视觉运动策略训练框架，完全基于Python开发，核心功能围绕动作扩散算法实现视觉输入到机器人动作序列的端到端策略学习，支持多模态观测融合、长时序动作生成、策略鲁棒性优化等核心模块，是RSS 2023收录的高影响力扩散策略落地工具。
该框架适配机器人上层VLA（视觉语言动作）策略训练层级，聚焦 visuomotor 策略研发环节，开发者可通过Python API接入自定义机器人观测、动作接口，适配各类实体机器人的动作空间定义，也可结合MuJoCo、Isaac等仿真环境完成策略预训练与验证，无需绑定特定机型即可快速开展扩散策略相关研发。
关键工程信息
工具分类、开发语言、GitHub 社区活跃度与环境要求。
快速接入与环境要求
源码克隆、构建方式、已验证系统环境与版本更新记录。
源码拉取与构建参考
git clone https://github.com/real-stanford/diffusion_policy.git
cd diffusion_policy
# 安装 Python 依赖与开发包
pip install -e .推荐运行环境与版本 1
| 版本 / 分支 | 验证环境 | 接入说明 |
|---|---|---|
| main / 最新稳定分支 | Ubuntu 22.04 LTS / Python 3.8 ~ 3.11 / PyTorch 2.0+ / CUDA 11.7+ / 可选搭配 MuJoCo 2.3+ / Isaac Sim 2022.2+ | 克隆仓库后通过 pip install -e . 安装依赖，核心入口为 train.py 脚本，支持自定义观测、动作接口适配各类机器人场景 |
关联实操教程与排障记录
教程 / 实测 / 排障 1
适配与兼容机型
支持接入该 SDK、ROS 驱动或仿真资产的机器人本体。
尚未收录适配机型。
同厂商与同类工具
同一厂商开源的配套仓库或同技术栈开发工具。
来源
本页事实对应的公开页面，以原文为准。
- GitHub real-stanford/diffusion_policy访问 2026-10-13