TL;DR

机器人正在执行任务，突然有人把目标物体挪走或遮住摄像头，普通的 Diffusion Policy 会瞬间“降智”报错。慕尼黑工业大学（TUM）等机构提出的 Dream Diffusion Policy (DDP) 给出了一个充满哲学意味的解法：当现实不可靠时，闭上眼睛靠“想象”去完成动作。 DDP 在 MetaWorld 挑战中将 OOD 成功率从 23.9% 提升至 73.8%，在真机实验中更是实现了从 0 到 1 的质变。

痛点深挖：视觉流的“单一性危机”

当前的端到端动作克隆（Imitation Learning）方法本质上是在学习一种极其脆弱的统计映射：即“看到 A，执行 B”。

• 短板：一旦环境发生训练集未见的剧烈变动（Covariate Shift），比如相机被遮挡或物体被瞬移，输入特征空间会彻底崩溃。
• 主流解法的局限：传统的 Domain Randomization（领域随机化）只能增强小范围扰动的抗性，而无法处理本质的逻辑断层；如果完全依赖强化学习重训练，又会导致专家演示的精细技能流失。

核心直觉（Insight）：人类在运动控制中具备**“动力学直觉”**。如果你在拿杯子时突然停电，你的大脑会根据记忆和肌肉感觉预测杯子的位置。DDP 的目标就是为机器人构建这种“预测性直觉”。

方法论详解：共享编码与预测性想象

DDP 的精髓在于将 Diffusion Policy（策略）与 Diffusion World Model（世界模型）进行了“骨肉相连”级的耦合。

1. 架构协同：3D 共享编码器

DDP 采用基于点云的 3D 表示（继承自 DP3），通过一个共享的 3D 编码器 $E_\psi$ 提取几何潜向量。

• 策略端：负责根据历史观测 $O_{0..M-1}$ 去除噪声，输出动作序列 $a$。
• 世界模型端：负责根据历史观测和当前计划的动作，预测未来的观测潜向量 $O_{M..M+N-1}$。

2. OOD 检测器：现实与想象的缝隙

如何知道视觉坏了？DDP 计算了一个 DR-I Discrepancy（真假差异）： $$ \mathcal {D} _ {R - I} (t) = | \mathbf {O} _ {real} ^ {t} - \mathbf {O} _ {pred} ^ {t} | _ {2} ^ {2} $$ 当真实观测坐标和世界模型预测的差距超过阈值时，系统自动切换至 OOD Mode。

3. 递归想象：核心补救机制

一旦进入 OOD 模式，DDP 会启动一个“闭环想象轮转”：

1. 主动追踪：利用 6D 姿态估计修正物体瞬移的位移偏差。
2. 放弃现实：完全断开不可靠的相机输入。
3. 自回归生成：策略基于世界模型上一时刻预测的“虚假”潜向量来生成动作，世界模型再根据动作预测下一时刻。这种“内循环”确保了在失去视觉时，动作依然具有物理一致性。

实验与结果：震撼的“盲操”能力

仿真战绩 (MetaWorld & Adroit)

在 10 项 MetaWorld 任务中，DDP 的表现降维打击了传统的基线模型。

| 算法 | 总平均成功率 (ID) | 总平均成功率 (OOD) | | :--- | :---: | :---: | | DP3 (SOTA 基线) | 89.8% | 0.8% | | DDP (Ours) | 89.5% | 73.8% |

注：在 Adroit 高自由度任务中，加入世界模型后成功率反而提升了，这说明世界模型起到了“时间平滑器”的作用。

真实机器人实验

研究者在 Franka Panda 机器人上测试了：按按钮、倒茶、叠方块。

• 视觉遮挡挑战：在倒茶动作中遮住摄像头，DDP 依然能够凭借“潜空间想象”准确对准杯口。
• 开环测试：在仅给第一帧观测的情况下，DDP 的“纯想象”执行成功率高达 76.7%，展示了极强的动态演化稳定性。

图：DR-I 差异在物体被挪动瞬间产生尖峰，精准触发 OOD 防御机制。

深度洞察与总结

为什么 DDP 如此有效？

1. 不仅仅是正则化：很多工作只把世界模型当辅助 Loss，而 DDP 在推理阶段将其作为“数据源”。
2. 几何先验的价值：使用点云而非 RGB 图像，使得世界模型学习物理动力学变得更容易，因为它不需要处理复杂的光影，只需预测物体结构的位移。

局限性与未来展望

虽然 DDP 表现强悍，但它目前仍依赖于一个外部的 6D Pose 追踪模块来进行起始点的重新对齐。如果追踪发生漂移，长时间的想象最终还是会偏离物理真实。

结论：DDP 指明了未来具身智能的方向——一个优秀的 Policy 必须首先是一个优秀的物理世界模拟器。只有学会了“做梦（Dreaming）”，机器人才能在混乱的真实场景中保持清醒。