CMU 团队用 DISCO 树搜索蒸馏攻克长程机械臂重排，中稿 CoRL 2026 Oral

CMU 团队提出 DISCO：用 progressive-widening MCTS 在仿真中生成长程操作计划，策略网络提出连续动作、价值函数评估任务进度，并周期性把搜索结果蒸馏回策略-价值模型。训练后模型可直接部署、测试时无需仿真器搜索，在仿真与真实世界重排任务上超越行为克隆、强化学习及基于搜索的基线。该工作已被 CoRL 2026 接收为 Oral。