# Polityki generatywne (Diffusion Policy, ACT)

EN: **Generative action policies (Diffusion Policy, ACT)** · id `diffusionpolicy`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie ze wzmocnieniem i decyzje](https://aiatlasgraph.com/t/decisions.md) › [Uczenie przez imitację](https://aiatlasgraph.com/t/imitation.md) › Polityki generatywne (Diffusion Policy, ACT)

## Description

- PL: Polityka generuje całe porcje przyszłych ruchów modelem generatywnym (dyfuzja, flow matching, transformer), co dobrze odwzorowuje różne sposoby wykonania zadania z demonstracji.
- EN: The policy generates whole chunks of future actions with a generative model (diffusion, flow matching, transformer), capturing the different ways demonstrators perform a task.

## In one sentence

- PL: To uczenie robota tworzenia krótkich sekwencji ruchów na podstawie pokazów wykonania zadania.
- EN: This teaches a robot to generate short movement sequences from task demonstrations.

## Problem it solves

- PL: Zadanie można wykonać różnymi sposobami, a przewidywanie pojedynczego ruchu naraz może utrudniać płynne działanie.
- EN: A task can be completed in different ways, while predicting one move at a time may make smooth action harder.

## What it does

- PL: Wyuczony generator proponuje porcję kolejnych ruchów pasujących do obserwacji, odtwarzając różne sposoby działania pokazane w danych.
- EN: A learned generator proposes a chunk of successive movements matching the observation and reflecting different approaches demonstrated in the data.

## Everyday example

- PL: Robot po obejrzeniu kubka proponuje sekwencję podejścia, chwytu i uniesienia, a potem aktualizuje plan z nowych obserwacji.
- EN: After viewing a cup, a robot proposes an approach, grip and lift sequence, then updates its plan using new observations.

## This concerns you if you…

- PL: chcesz uczyć płynnych sekwencji ruchów z pokazów
- PL: poprawne wykonanie ma kilka możliwych wariantów
- EN: want smooth movement sequences learned from demonstrations
- EN: have several possible ways to perform a task correctly

## Keywords

denoising diffusion · ACT · action chunking · receding-horizon control · flow matching

## How it works

- PL: Obserwacje warunkują model generujący sekwencję przyszłych działań, trenowany na demonstracjach. Odszumianie, przepływ lub predykcja sekwencyjna odwzorowują rozkład możliwych ruchów, a wykonanie przeplata się z ponownym planowaniem.
- EN: Observations condition a model generating future action sequences trained on demonstrations. Denoising, flows or sequence prediction model possible movements, while execution alternates with replanning.

## Limits

- PL: Generowanie wielu kroków zwiększa opóźnienie i utrudnia szybkie reakcje. Niepoprawne demonstracje oraz nowe układy obiektów pozostają problemem; wygenerowany ruch nie gwarantuje fizycznej wykonalności.
- EN: Generating multiple steps adds latency and complicates rapid reactions. Faulty demonstrations and unfamiliar object arrangements remain problematic; generated movement does not guarantee physical feasibility.

## Key terms

- PL: **action chunk**: Blok kolejnych działań przewidywany wspólnie zamiast pojedynczej akcji.
- PL: **receding horizon**: Wykonywanie części planu i ponowne planowanie z nowych obserwacji.
- EN: **action chunk**: A block of consecutive actions predicted jointly rather than individually.
- EN: **receding horizon**: Executing part of a plan and replanning from new observations.

## Know first

- [Modele dyfuzyjne (Diffusion models)](https://aiatlasgraph.com/t/diffusion.md)
- [Klonowanie zachowań (behavioral cloning) (Behavioural cloning)](https://aiatlasgraph.com/t/behaviorcloning.md)

## Examples

- PL: Diffusion Policy · Action Chunking with Transformers (ACT) · flow matching dla akcji
- EN: Diffusion Policy · Action Chunking with Transformers (ACT) · flow matching for actions

## Related topics

Untyped, symmetric "see also" links.

- [Jak model zapisuje ruchy robota (tokeny i ciągi akcji) (Action tokenization and chunking in VLA models)](https://aiatlasgraph.com/t/vlaactions.md)
- [Manipulacja przedmiotami (Robotic manipulation)](https://aiatlasgraph.com/t/manipulation.md)
- [Modele dyfuzyjne (Diffusion models)](https://aiatlasgraph.com/t/diffusion.md)

## Sources

- [Diffusion Policy: Visuomotor Policy Learning via Action Diffusion](<https://arxiv.org/abs/2303.04137>) `diffusion-policy-2023` · by C. Chi, Z. Xu, S. Feng, E. Cousineau, Y. Du, B. Burchfiel, R. Tedrake, S. Song
- [Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware (ALOHA / ACT)](<https://arxiv.org/abs/2304.13705>) `aloha-act-2023` · by T. Z. Zhao, V. Kumar, S. Levine, C. Finn
- [π₀: A Vision-Language-Action Flow Model for General Robot Control](<https://arxiv.org/abs/2410.24164>) `pi0-2024` · by K. Black, N. Brown, D. Driess i in. (Physical Intelligence; m.in. C. Finn, K. Hausman, S. Levine)

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/diffusionpolicy · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30