论文Flexible Locomotion Learning with Diffusion Model Predictive Control的视频demo
Arxiv链接: https://arxiv.org/abs/2510.04234
论文网站：https://flexible-diffusion-mpc.github.io/
论文摘要：我们提出 Diffusion-MPC，一种结合生成式扩散模型与优化推理的腿式机器人控制框架。该方法利用学习到的扩散模型作为近似的动力学先验，使规划过程能够在测试时灵活地适应不同任务目标与约束条件。通过在每个反向采样步骤中引入奖励优化与约束投影，Diffusion-MPC 同时生成满足任务目标且符合物理限制的动作轨迹。此外，我们设计了交互式训练算法，使模型能够超越模仿预训练，在环境交互中通过回报加权更新去噪网络，从而持续提升规划性能。实验证明，Diffusion-MPC 在真实机器人上展现出优异的运动性能与强大的任务自适应能力，成功实现了学习与优化的有机结合。
