浅浅的学习记录，请各位大佬轻拍指出错误，谢谢 
以下内容由我和gemini共同创作 
1. 使用扩散模型的原因：为什么要学习“恢复”而非“创造”？
在自动驾驶的路径规划中，传统算法往往试图让模型直接给出一个完美的答案——一条精确的轨迹。但人类驾驶的本质是多模态且高度非线性的：面对前方的障碍物，向左绕行和向右绕行在概率上可能是等效的。 
如果让模型直接预测一个如此复杂的分布，它往往会在多种可能性之间“取平均”，最终吐出一条撞上障碍物的、平滑却错误的“折中轨迹”。 
DDPM（Denoising Diffusion Probabilistic Models）的核心思想实现了一次降维打击： 
与其直接预测那个捉摸不透的复杂分布，不如学习如何一步步从纯粹的混乱（随机噪声）中恢复出有意义的结构。 

问： 把原本清晰的专家轨迹变成一团乱码，再费劲变回来，这难道不是多此一举吗？ 



答： 关键在于...