Russ Tedrake· RussTedrake·· 2026-06-20AI 评分59
Russ Tedrake 解读 Ambient Diffusion Policy 论文：次优数据价值随噪声水平变化
When it comes to diffusion policies, VLAs, and LBMs, we all know that data quality matters. Many of us have spent considerable time filte...
AI 导读
Adam 的新论文提出 Ambient Diffusion Policy，通过依赖噪声水平的数据使用方式，选择性地从次优数据中学习训练机器人策略。作者指出训练去噪扩散模型时每个数据点会在不同噪声水平下被多次使用，数据点的价值可能随噪声水平而不同，该方法能从 OXE 数据集此前被丢弃的相当部分中提取价值，与 pi0.7 以数据质量为条件学习的思路互补。
来源：Russ Tedrake · x.com