扩散模型不止画图:已用于自动驾驶策略与蛋白质设计
jasondeanlee · x · 2026-11-19
Simons Institute 讲座上,威斯康星大学麦迪逊分校的 Grigoris Chrysos 指出,扩散模型的应用早已远超图像生成:
- 自动驾驶:扩散模型用于生成 diffusion policy——从场景编码加高斯分布出发,去噪后输出多模式轨迹预测(引 Liao et al. 2025)。
- 蛋白质设计:从高斯噪声逐步去噪,生成 de novo 抗体结构(引 Bennett et al. 2026)。
- 其讲座主题为「Grounding Diffusion Models: The Path to Reliable Synthesis Without Hallucination」,探讨如何让扩散模型可靠合成、避免幻觉。
这说明 diffusion 作为生成范式正在成为跨领域通用的策略/结构生成工具。
「研究」频道最新
- Nimo Robotics 发布 N1 手套与 D1 灵巧手,用 UMI 系统把人类演示变成机器人技能 — Scobleizer · 2026-11-19
- ETH 用强化学习让 5 吨滑移装载机两轮平衡越野 — KyleCranmer · 2026-11-19
- 电子科大等提出多视角去偏法,无需偏差标注提升最差组准确率 — Weiwei Li · 2026-11-19
- KAIST 提出 PROLA 低秩适配方法,用于预测性时空天气降尺度 — MLVLab · 2026-11-19
- 南洋理工提出 PACT,让时序基础模型免于遗忘旧工况增量适配 — NanyangTechnologicalUniversity · 2026-11-19
- 上科大联合字节论文:Agent 进化停滞的根源是噪声评估辨不出真改进 — ShanghaiTech · 2026-11-19