扩散 / 流采样器（ODE / SDE 求解器）

把训练好的扩散或流模型从随机噪声一步步积分成样本的数值算法。

扩散模型和流匹配模型学到的是「在每个噪声水平该往哪个方向走」，真正生成时要用数值方法把这个过程积分出来，这就是采样器。2020 年 Song 等人把扩散过程写成随机微分方程（SDE），并推出一个分布相同的确定性常微分方程，即概率流 ODE：按 SDE 解每步会加随机噪声，按 ODE 解则结果确定。常见采样器有最简单的一阶 Euler 法、DDIM，以及清华朱军团队 2022 年提出的 DPM-Solver 这类专用高阶求解器，后者约 10–20 次网络调用就能得到高质量样本。步数越少越快、误差越大，机器人策略要在控制频率和动作质量之间权衡。

例子π0 的流匹配动作专家推理时用前向 Euler 法积分 10 步（步长 0.1），把一段随机噪声变成一个动作块。

也叫

扩散采样器、Sampler、Euler 采样器、DPM-Solver

相关

扩散模型、流匹配、去噪扩散隐式模型、去噪步数、速度场、单步生成

来源

Score-Based Generative Modeling through Stochastic Differential Equations (arXiv:2011.13456)
DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps (arXiv:2206.00927)
π0: A Vision-Language-Action Flow Model for General Robot Control (arXiv HTML)