DISCO 蒸馏树搜索获 CoRL 2026 最佳论文提名：机器人免搜索长程规划
yining_hong · x · 2026-11-04
yininghong 团队的论文 DISCO: Distilled Tree Search over Continuous Actions 入围 CoRL 2026 最佳论文奖提名（Best Paper Award Finalist）。
- 核心思路：在仿真中用蒙特卡洛树搜索（MCTS）做长程规划，再把搜索发现的策略迭代蒸馏进一个策略网络，部署时无需实时搜索，规避昂贵推理开销。
- 验证：在长时程物体装箱与堆叠任务上表现强劲，并完成真实世界迁移（sim2real）。
- 日程：11 月 10 日在奥斯汀做 Oral 报告（Hilton Austin）并展出海报。
「具身」频道最新
- 实证研究:闭源 VLM 全面领先机器人任务,开源模型规划能力掉队 — Haojian Huang · 2026-11-04
- PrimeBot 发布 PrimeSim:跨本体大规模演示训练的通用世界模型模拟器 — Travis Davies · 2026-11-04
- 旧金山本周末办 Physical AI 黑客松：Dream-1 世界动作模型零样本任务+万元奖金 — Scobleizer · 2026-11-04
- Figure 机器人办公室演示片曝光，CEO 称场景如科幻电影 — adcock_brett · 2026-11-04
- 「Beyond Validation Loss」:预训练最佳 checkpoint 未必是下游微调最优起点 — SongShuran · 2026-11-04
- Liber-0 机器人零样本操作:2.2M 小时人类数据 60 任务 36% 成功率 — CyberRobooo · 2026-11-04