机器人扩散策略学习低质数据
giannis_daras · x · 2026-07-13
作者表示，本周会在两个 RSS 2026 workshop spotlight talk 上介绍 **Ambient Diffusion Policy**。 被引用的论文摘要里，这项方法面向机器人中常见的“低质量示教数据”问题，主张不必粗暴过滤数据，也不必把好坏数据一起同训，而是通过**随噪声变化的数据使用策略**，选择性学习有用特征。 作者将其定位为一种简单且原则性较强的方法，适用于现实里大量存在的 suboptimal data 场景： - 不做数据过滤，避免浪费 - 不做简单 co-training，避免同时学到好坏特征 - 通过 diffusion/噪声机制，让模型在训练中更聚焦有效信息 这条帖子的重点不是活动本身，而是这篇机器人学习方法的核心思路。