m0_64496600的博客

原创 面向具身智能的DP

本文介绍了Diffusion Policy（DP）的基本概念和代码实现，重点分析了行为克隆（BC）在多模态动作分布中的局限性。文章指出，传统单步回归方法会因MSE损失函数导致动作平均化问题，而DP和Flow-based Learning（FL）通过学习动作分布可生成多样化的合理动作序列。详细讲解了DDPM（去噪扩散概率模型）的原理和实现步骤，包括噪声调度器、UNet模型结构及训练循环设计。文章还列出了学习DP需要掌握的8个核心知识点，并提供了相关参考材料，适合实习求职者、初学者系统学习扩散策略在机器人动作生