抓住杯柄可以从左侧接近，也可以先绕到右侧。示教数据里两种轨迹都合理，普通 L2 回归却可能取平均，给出一条正好撞上杯子的中间路线。生成式策略处理的是这种多峰动作分布：不把所有示教压成一个均值，而是从条件分布里生成一段自洽动作。

Diffusion Policy 用迭代去噪生成动作序列，π0 一类模型则用 flow matching 学习动作空间里的向量场。两者都常与 action chunk、滚动执行配合，但训练目标、采样过程和部署时的时间预算并不相同。

图像、状态和语言形成条件→从随机动作 chunk 开始→迭代去噪或积分向量场→校验生成轨迹→执行前几步并用新观测重算
动作生成图模型一次生成未来动作分布，控制器只消费其中一部分，并持续保留拒绝权。
条件输入相机、机器人状态、任务或语言决定当前动作分布。随机初值从噪声出发，使同一条件下可以得到多种合理 chunk。Diffusion学习去噪或 score，按离散时间步逐次还原动作。Flow matching回归条件速度场，用 ODE 积分把噪声送到数据分布。Receding horizon只执行短前缀，再根据新观测更新计划。运行约束步数、延迟、平滑、越界和旧动作年龄共同决定能否部署。

为什么要生成 chunk，而不是下一步

单步策略每次只预测 a_t，下一周期再看 o_{t+1}。反馈很及时，但每一步的小偏差会改变下一次输入，误差容易沿时间累积。双臂穿线、折衣服等动作还依赖较长协同，仅靠当前一步很难表达“左手保持，右手继续拉”的意图。

动作 chunk 一次预测 A_t = [a_t, ..., a_{t+H-1}]。模型能在一个样本内表达多步协调，也能让慢速视觉推理支撑更高频的动作点。代价是后半段动作很快过时，所以常配 receding-horizon control：预测 H 步，只执行前 K 步，满足 K < H，然后重新观测。

这和ACT 的动作分块目标相似。区别在于 ACT 直接由 CVAE/Transformer 回归 chunk，Diffusion Policy 和 flow matching 通过生成过程表示动作分布。

Diffusion Policy 学的是逐步去噪

Diffusion Policy 把干净动作序列逐步加噪得到 A^k，网络在图像和状态条件下预测噪声或与 score 相关的量。推理时从高斯噪声开始，沿预设噪声日程反复去噪，最终得到动作 chunk。

简化过程可以写成：

1
2
training: clean action -> add noise at step k -> predict noise
sampling: random noise -> denoise k=N...1 -> action chunk

论文将这一做法与视觉条件、时间序列建模和滚动控制结合，在 12 个任务、4 个机器人操作基准上报告了相对基线的平均提升。该平均值只属于论文比较，不能写成“扩散策略普遍提升 46.9%”。

扩散采样的部署代价很直白：每个去噪步都可能调用一次网络。减少步数能缩短延迟，也可能改变动作质量；换 sampler 或噪声日程同样会让训练时结论发生偏移。

Flow matching 回归的是速度场

Flow matching 选择一条从简单噪声分布到真实数据分布的概率路径，训练网络预测路径上每一点的条件速度。以最容易理解的直线条件路径为例：

1
2
3
A_tau = (1 - tau) * epsilon + tau * A
u_tau = A - epsilon
loss = ||v_theta(A_tau, tau, condition) - u_tau||^2

模型推理时从 tau=0 的噪声出发，求解常微分方程：

1
dA_tau / d_tau = v_theta(A_tau, tau, condition)

Flow Matching 原论文讨论了更一般的概率路径，直线插值只是便于理解的一种情况。π0 把这类连续动作输出接到 VLM 与 action expert 上；动作 expert 多次更新带噪动作，VLM 提供图像和语言上下文。

“ODE”也不表示只算一次。Euler、midpoint 或更高阶求解器都需要若干函数评估。模型结构、积分步数和缓存策略一起决定实际延迟，不能只凭方法名称断言 flow matching 一定更快。

两种方法怎么选

维度 Diffusion Policy Flow matching 动作头
训练对象 去噪、噪声或 score 相关目标 条件向量场
采样过程 按噪声日程逐步去噪 沿学习到的 ODE 积分
多峰动作 可以表达 可以表达
与 VLM 结合 可作为独立动作策略或动作头 π0 等用 action expert 接入 VLM
主要旋钮 去噪步数、schedule、horizon 积分器、步数、路径、horizon
部署风险 多步推理和旧 chunk 多次函数评估和旧 chunk

表里没有“谁更准”，因为答案依赖任务、数据、模型容量和评测协议。单一稳定任务的数据不多，Diffusion Policy 的成熟实现可能更容易起步；需要语言条件、多机器人预训练和长任务语义，VLM 加 action expert 更符合目标。最后仍要用相同数据划分、相同视觉编码预算和相同真机任务比较。

时间预算决定 H 和 K

假设控制频率 50 Hz，单步 20 ms；模型 P99 推理 140 ms，通信和校验再用 40 ms。若每次只执行 4 步，80 ms 后就需要新 chunk，生产者永远追不上消费者。把执行前缀改为 12 步能覆盖 240 ms，留下约 60 ms 余量，但机器人会更久地沿旧计划运动。

可以用下面的脚本做第一轮预算：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
control_hz = 50
chunk_steps = 32
execute_steps = 12
inference_p99_ms = 140
transport_and_guard_ms = 40

step_ms = 1000 / control_hz
chunk_ms = chunk_steps * step_ms
execute_ms = execute_steps * step_ms
producer_ms = inference_p99_ms + transport_and_guard_ms
slack_ms = execute_ms - producer_ms

print(f"chunk covers {chunk_ms:.0f} ms")
print(f"next chunk must arrive within {execute_ms:.0f} ms")
print(f"p99 scheduling slack {slack_ms:.0f} ms")
if slack_ms <= 0:
    raise SystemExit("producer cannot keep up at p99")

正余量只是必要条件。还要考虑相机输入年龄、GPU 与其他节点争用、模型偶发超时和动作切换连续性。H 太大增加开环尾部，K 太小又让推理器追不上，参数要通过任务速度与故障测试决定。

随机性需要可复现，也需要多次采样

生成策略从随机噪声出发，同一观测可能产生不同动作。评测只固定一个 seed，结果容易碰巧偏好某条轨迹；完全不记 seed，又无法回放失败。

离线评测可以对每个观测采多个 seed，记录动作范围、轨迹聚类和约束拒绝率。真机不适合为了统计直接执行所有样本，可以先用碰撞检查和仿真筛掉明显非法轨迹，再对通过的候选按固定协议抽样。运行日志应保存模型版本、seed、完整条件输入和最终被执行的 chunk。

当多种生成轨迹都能通过几何检查时，选择器还可以考虑轨迹长度、关节余量和与上一 chunk 的连续性。这个选择器会改变系统策略，也必须进入版本和验收记录。

未来的动作模型仍绕不开确定性底座

OpenVLA-OFT 用连续回归和并行解码缩短生成路径，π0 用 action expert 和 flow matching 把 VLM 语义接到高频 chunk，SmolVLA 又把推理与执行拆成异步线程。动作头会继续变，运行时的几个问题不会消失：动作属于哪一帧，何时过期，谁检查越界，怎样取消，模型停止响应后机器人做什么。

前两种架构可分别回看OpenVLA-OFT与π0/π0.5。部署侧的队列和动作年龄见SmolVLA 与 LeRobot。把三篇连起来读，比记住“扩散”或“流匹配”哪个更新更有用。

参考资料

证据边界

Diffusion Policy 的任务数量、论文平均提升和 π0 的模型设计来自原论文。本站没有在同一数据集上重训两种策略，也没有给出准确性胜负。公式省略了具体噪声日程、网络参数化、概率路径与求解器细节；时间预算脚本只做静态算术。方法选择必须在相同数据、硬件、动作空间和真机协议下比较。