一句话定义
扩散策略（Diffusion Policy）是把图像生成领域走红的扩散模型（AI 词典：Diffusion Model">Diffusion Model）搬来做机器人控制的方法：它不直接"算出"下一步动作，而是从一团随机噪声出发，反复去噪，最后得到一整段动作轨迹。
它是怎么工作的
想象一台满是雪花的旧电视。你隐约知道屏幕里该放一段舞蹈，但一开始只有噪点。扩散策略做的事，就是一点点把雪花调掉，让那段舞蹈慢慢浮现出来。
训练时，研究者先把人类演示的动作序列"弄脏"——逐步掺入噪声，直到它变成纯随机数；然后训练一个网络，让它看着机器人当前的摄像头画面和关节状态，去猜"这段乱码里掺了多少噪声"。执行时反过来：从纯噪声起步，网络每一轮预测并减掉一点噪声，若干轮之后，噪声里就浮出一段可执行的动作，比如未来半秒内每个关节该怎么转。
为什么非要多此一举：多峰分布
假设机器人要绕过一张桌子，从左边走和从右边走都对。传统做法用均方误差训练一个"状态→动作"的回归网络，它会把两条路平均一下，结果就是直直撞向桌子——这在专业上叫多峰分布（multimodal distribution）问题。扩散策略学到的是一个概率分布，采样时落在左边那条路或右边那条路都行，就是不会"和稀泥"。
另一个附带好处是它通常一次生成一小段动作，业界叫动作分块（action chunking）。比起一步一步地算，一整段动作更连贯，抖动和迟疑明显更少。
和相邻概念的区别
| 方法 | 怎么产生动作 | 长处与短板 |
|---|---|---|
| 直接回归（行为克隆） | 状态直接映射到动作 | 快、简单；多条正确路线会被平均掉 |
| 扩散策略 | 从噪声迭代去噪，生成一段轨迹 | 能表达多种合理走法、动作连贯；推理更慢 |
| 强化学习 | 靠与环境试错、拿奖励学 | 可能超过人类演示；采样成本高、训练常不稳 |
| 动作 token 化 | 像语言模型那样逐个"吐"动作 | 能复用大模型生态；离散化会损失精细度 |
对从业者和普通人的意义
如果你在做模仿学习（imitation learning），扩散策略是值得先试的基线之一，尤其是任务里存在"怎么走都行"的多种正确解时。它的工程难点主要在实时性：去噪要迭代多轮，机器人却不能等，于是步数裁剪、蒸馏、缓存等加速手段成了重点。
对普通人来说，它的价值在于让机器人学会那些"说不清但做得出来"的细微动作——叠衣服时的翻面、插插头时的微调。至于具体实现细节、推理速度和适用范围，以官方论文与项目页面为准。