我现在缺一个从数据 到内部结构 到训练 到推理 的完整DP 也就是一个vla的流程。你懂我意思吗M1-M51 · 2026-10-12 · 原对话 ↗
ACT和DP和FM算是一类 策略模型 通过模仿学习映射动作 对吧M1-M55 · 2026-10-12 · 原对话 ↗
原 AI 解释 · 摘要
原对话把动作块视作可生成的连续数据,解释观测条件、带噪动作、去噪、动作执行与重新观测的闭环;随后比较 ACT、DP、Flow Matching 与 VLA。
整理核对
这里需要把四个层次分开:ACT 和 Diffusion Policy 是具体策略方法;Diffusion、Flow Matching 是生成建模方法;模仿学习是利用演示的学习设置;VLA 则强调视觉、语言与动作的结合。原始 DP 不会仅因“看图并输出动作”就自动变成 VLA。[R5] ↗[R10] ↗
你要求完整流程的方向值得保留
DP 的外部条件是观测,内部网络还接收带噪动作和时间。训练从演示动作构造监督;推理产生动作块,通常只执行其中一段,再根据新观测重新规划。动作块长度与实际执行长度应分开写。
需要纠正的比较
ACT 使用条件 VAE 与动作分块等设计,不能简化为“普通回归必然取平均、DP 才能生成”。FM 也不等于一台现成策略,或在任何设置下都更快的扩散替代品。[R11] ↗
下一步问题 · 原对话延伸
M1-M57 已开始问 VLA 动作头采用什么策略。适合继续选一个公开 VLA,逐项对照数据、条件、动作表示、损失、训练范围、采样和控制周期。这里记录当时学习范围,不把后来版本自动算作已学。
核对来源 · 3 项
- [R5] Diffusion Policy 官方项目 ↗
- [R10] Flow Matching for Generative Modeling ↗
- [R11] ACT · Learning Fine-Grained Bimanual Manipulation ↗
技术核对:2026-10-16。个人学习记录只代表原对话当时的范围。