DiPLO：面向移动操作的自蒸馏扩散规划框架

DiPLO 将自蒸馏扩散规划器与低层全身跟踪策略结合，在 pick-carry-place 任务上实现 99% 成功率，而预训练模型仅 45%。其 SD:DPO 阶段去除规划器对强任务条件的依赖，DA:PPO 阶段用最大熵 RL 微调扩散模型以对齐冻结跟踪器的执行能力。该方案在 Unitree G1 硬件上完成重复成功执行，无需任何真实世界微调。