拡散ポリシーとは？
拡散ポリシーは、ロボットが次に取るべき行動を決めるための新しい方法です。まるで、ぼんやりとした霧の中から徐々に形がはっきりしていくように、最初はランダムなノイズ（でたらめな動き）から始めて、それを少しずつ修正しながら、最終的に最適な行動を導き出します。
どのように動くのか？
この手法は、画像生成AIで使われる「拡散モデル」の考え方をロボットの行動に応用したものです。例えば、ロボットがコップを掴むとき、最初は手の位置がでたらめでも、拡散ポリシーが何度も修正を繰り返すことで、正確にコップの位置へと手を導きます。まるで、彫刻家が石を少しずつ削って形を作るように、ノイズから行動を「彫り出していく」イメージです。
身近な例え
迷路の中でゴールを探すとき、最初はあちこち歩き回るかもしれませんが、だんだんと正しい道が見えてきます。拡散ポリシーも同じで、最初はランダムな動きから始めて、試行錯誤しながら最適な行動パターンを見つけ出します。