2025_NIPS_Compositional Monte Carlo Tree Diffusion for Extendable Planning

文章核心总结与翻译

一、主要内容

该研究针对蒙特卡洛树扩散（MCTD）在长 horizon 规划中受训练轨迹长度限制、存在短视决策的问题，提出了组合蒙特卡洛树扩散（C-MCTD）框架。C-MCTD 突破了单轨迹优化的局限，通过对完整计划组合进行推理，实现全局感知的长规划，主要包含三个互补组件：

1. 在线组合器（Online Composer）：通过跨完整计划组合的搜索实现全局感知规划，核心包括基于拼接的树扩展、作为元动作的引导集、高效模拟的快速重规划。
2. 分布式组合器（Distributed Composer）：从多个起点并行探索，通过引导导向的并行树搜索、策略性树连接和高效路径合成降低搜索复杂度。
3. 预规划组合器（Preplan Composer）：离线构建计划图，利用缓存的路径连接加速推理，大幅降低在线搜索开销。

实验在离线目标条件强化学习基准（OGBench）的迷宫导航、机器人臂多立方体操作、视觉迷宫导航等任务中验证，C-MCTD 显著优于传统重规划策略，其中预规划组合器在需要生成比训练轨迹长 10 倍的 PointMaze-Giant 任务中实现 100% 成功率。

二、创新点

1. 提出 C-MCTD 框架，首次将树搜索从子计划级提升至计划组合级，从根本上解决了现有方法的短视规划问题，无需重新训练即可突破训练轨迹长度限制。
2. 设计三个互补的组合器变体，分别应对不同场景的扩展性挑战