1. 课程导入

欢迎进入《Diffusion Policy机器人操作工程》课程。本章不讨论复杂公式，而是先建立一张“全局地图”：Diffusion Policy是什么、它为什么会出现、在机器人操作技术栈中处于什么位置，以及接下来30章我们将如何从原理走向工程落地。只有先看清地图，后续学习策略网络、动作去噪、数据采集、训练调参和真机部署时才不会迷失方向。

一、Diffusion Policy的定义：把“动作生成”变成“去噪过程”

Diffusion Policy（扩散策略）是一类将扩散生成模型用于机器人策略学习的方法。传统模仿学习通常直接学习观测到动作的映射，例如用CNN或Transformer回归一个动作向量，或用高斯混合模型建模多峰动作分布。Diffusion Policy的核心变化在于：它不直接输出唯一动作，而是学习一个条件去噪过程——从随机噪声出发，在观测条件（图像、关节状态、语言指令等）约束下，逐步去除噪声，最终生成一段可执行的动作序列。

可以把它理解为：策略网络不再回答“当前应该输出哪个动作”，而是回答“在给定观测下，哪些动作序列是合理的”。这种生成式建模方式天然适合机器人操作中普遍存在的多模态问题：同一个杯子，可以从左侧抓，也可以从右侧抓；绕过障碍物，可以走上方，也可以走下方。回归模型容易把这些合理答案平均成不可执行的中间动作，而扩散策略能够保留多个可行模式。

二、发展背景：从生成模型到机器人操作

扩散模型最早在图像生成领域取得突破，其思想是通过前向加噪和反向去噪学习数据分布。2023年前后，研究者开始将这一思想引入机器人决策，代表性工作包括Diffusion Policy、Decision Diffuser等。与此同时，Action Chunking Transformer、ACT等动作分块方法也证明了“一次预测多步动作”能显著提升操作稳定性。Diffusion Policy正好结合了两条路线：动作分块解决时序一致性，扩散生成解决多模态分布。

在工程侧，推动它落地的还有三个条件：第一，机器人数据采集成本仍然很高，扩散策略对数据质量和多样性的利用效率较好；第二，GPU推理速度提升，使多步去噪可以在控制周期内完成；第三，仿真与真机平台成熟，例如RoboMimic、ALOHA、Franka等，为算法验证提供了标准任务。因此，Diffusion Policy从论文方法迅速走向了工程实践。

三、在机器人操作中的定位：它解决哪一层问题

机器人操作通常分为感知、规划、控制三层。Diffusion Policy主要位于策略层：它接收感知结果和机器人状态，输出未来若干步的动作序列，再由底层控制器执行。它不替代SLAM、目标检测或运动学解算，而是把这些模块的输出作为条件输入。因此，学习本课程时要把Diffusion Policy看作“决策大脑”的一部分，而不是完整机器人系统。

与强化学习相比，Diffusion Policy通常属于模仿学习范式，依赖专家演示数据；与MPC相比，它不显式求解优化问题，而是用神经网络学习动作分布；与普通行为克隆相比，它通过去噪和动作分块提升了多模态建模与长时序稳定性。下面的SVG展示了Diffusion Policy在机器人操作技术栈中的位置，以及从观测到动作的完整信号链。

四、学习目标与整体课程框架

本课程的目标不是只读懂一篇论文，而是具备把Diffusion Policy落到真实机器人上的工程能力。学完后，你应该能够：解释扩散策略的数学直觉与网络结构；独立完成演示数据采集、清洗与格式转换；训练并调试一个Diffusion Policy模型；在仿真和真机上完成部署与排障；根据任务特点调整动作块长度、去噪步数、观测编码器等关键参数。

课程共30章，整体分为五个阶段。第一阶段是导入与基础，建立概念地图和数学直觉；第二阶段是数据与训练，覆盖数据采集、预处理、损失函数和训练循环；第三阶段是模型与算法，深入条件编码、去噪网络、动作分块和推理加速；第四阶段是工程落地，包括仿真环境、真机接口、部署优化和故障排查；第五阶段是进阶与复盘，讨论多任务、语言条件、强化学习结合和项目复盘。

五、案例场景：从“抓取杯子”看Diffusion Policy的价值

假设桌面有一个杯子，机器人需要抓取并放到指定位置。传统行为克隆可能学到“从正上方抓”，但当杯子旁边有障碍物时，正上方路径被挡住，策略容易输出一个碰撞动作。Diffusion Policy在训练时见过多种抓取方式，推理时从噪声出发，在观测条件下生成多条候选动作序列，再选择可行的一条执行。它输出的不是单个动作，而是一小段动作块，因此抓取过程更平滑，遇到轻微扰动也能保持时序一致。

六、常见误区与学习复盘

初学者容易陷入三个误区。第一，把Diffusion Policy当成完整机器人系统，忽略感知和执行层的重要性；第二，认为去噪步数越多越好，实际上推理延迟会直接影响控制频率；第三，只关注模型结构，忽视数据质量和动作空间定义。工程中，数据一致性往往比网络深度更决定成败。

下面给出一个最小训练配置示例，帮助你在后续章节中建立参数直觉。这里不要求立刻运行，只需观察关键字段：动作块长度、去噪步数、观测历史长度和批次大小。

# diffusion_policy_config.yaml（示意）
policy:
  type: "diffusion_policy"
  obs_horizon: 2          # 观测历史帧数
  action_horizon: 16      # 一次预测的动作块长度
  num_diffusion_steps: 100 # 训练去噪步数
  num_inference_steps: 10  # 推理去噪步数
  action_dim: 7            # 6关节 + 1夹爪
  obs_dim: 512             # 图像特征维度

training:
  batch_size: 64
  lr: 1.0e-4
  epochs: 500
  dataset: "demo_pick_cup.zarr"

本章的核心任务是建立全局认知：Diffusion Policy是一种以观测为条件、通过迭代去噪生成动作序列的策略学习方法，位于机器人操作技术栈的策略层，擅长处理多模态动作分布和长时序动作生成。接下来，课程将从数学基础开始，逐步深入到数据、训练、部署和复盘。请带着三个关键词进入后续学习：条件去噪、动作分块、多模态。