본 논문은 정보 도메인에서 동작 생성을 잘하는 학습 방법과 에너지 도메인에서 물리적 상호 작용을 형성하는 임피던스 제어를 결합한 Diffusion-Based Impedance Learning 프레임워크를 제시한다. Transformer 기반 Diffusion Model을 사용하여 시뮬레이션된 Zero-Force Trajectory (sZFT)를 재구성하고, 회전을 위해 SLERP 기반 quaternion noise scheduler를 도입하여 기하학적 일관성을 보장한다. 재구성된 sZFT는 강성 및 감쇠 매개변수를 업데이트하는 에너지 기반 추정기에 전달된다. 공원 놀이 시나리오 및 로봇 보조 치료 작업에 대한 데이터를 수집하고, 소량의 샘플로도 정확한 위치 및 회전 정확도를 달성했다. 소형 모델 크기로 인해 실시간 토크 제어 및 자율 강성 적응이 가능해졌으며, 다양한 페그 삽입 작업에서 성공적인 결과를 보였다.
