Diffusion-Policy-Project (DPP) 是一种模仿学习算法，用于解决具身智能（embodied intelligence）和模仿学习（imitation learning）的问题。它通过在环境状态空间中引入扩散过程，使代理能够从环境中获取信息并做出决策。

在这个项目中，我们使用 HalfCheetah MuJoCo 作为环境模型，PyTorch 作为深度学习框架，实现了一个名为 "visual diffusion policy" 的具身智能系统。这个系统分为三个阶段：CNN基础、状态DP和视觉DP。在 CNN 阶段，系统通过卷积神经网络（CNN）对输入图像进行特征提取；在状态DP阶段，系统根据当前状态预测下一个可能的状态；在视觉DP阶段，系统根据预测的下一个状态生成相应的动作。

此外，我们还使用了 RTX 4060 显卡加速计算，以提高系统的运行效率。