การนำโมเดล Diffusion มาใช้ในงานหุ่นยนต์มักประสบปัญหาความล่าช้าเนื่องจากต้องประมวลผลหลายขั้นตอน FODMP (Fast One-step Diffusion of Movement Primitives) จึงถูกพัฒนาขึ้นเพื่อแก้ปัญหานี้โดยการกลั่นกรอง (Distill) โมเดลเข้าไปอยู่ในพื้นที่พารามิเตอร์ของ ProDMPs และใช้ตัวถอดรหัสแบบขั้นตอนเดียว (Single-step decoder)
ผลลัพธ์คือหุ่นยนต์สามารถสร้างการเคลื่อนไหวที่มีโครงสร้างทางเวลาชัดเจน (เช่น การเร่งและชะลอตัว) ได้รวดเร็วกว่าวิธีเดิมถึง 10 เท่า และเร็วกว่านโยบายแบบ Action-chunking ถึง 7 เท่า โดยยังคงความแม่นยำสูง งานวิจัยโชว์ความสำเร็จในการทดสอบผ่าน MetaWorld และ ManiSkill รวมถึงการแสดงความสามารถในการจับลูกบอลที่พุ่งมาด้วยความเร็วสูง ซึ่งโมเดลรุ่นเก่าทำได้ไม่ทัน
