DISCO 树搜索蒸馏法攻克长程机械臂重排，中稿 CoRL 2026 Oral

stanfordnlp · x · 2026-10-26

CMU 团队（Kallol Saha、Yejin Choi、Maxim Likhachev、David Held 等）提出 DISCO：在物理仿真中用 progressive-widening MCTS 生成长程操作计划，由学习到的策略网络提出连续动作、价值函数评估任务完成进度，再借助 GPU 并行仿真周期性地把 MCTS 搜索结果蒸馏回策略-价值模型。训练完成后模型可直接部署，测试时无需仿真器搜索。在仿真与真实世界重排任务上，DISCO 超越行为克隆、强化学习及基于搜索的基线。论文已被 CoRL 2026 接收为 Oral。