蒙特卡洛树扩散（MCTD）将扩散模型的生成能力和MCTS的自适应搜索能力相结合，提出了一种全新的规划框架，旨在提高基于扩散的规划的轨迹生成质量和计算效率。
MCTD通过将去噪过程重新概念化为基于树的rollout过程，并引入引导层级和快速跳跃去噪机制，实现了结构化搜索与生成式建模的有效结合，显著提升了规划的准确性和可扩展性。
实验结果表明，MCTD在多种任务中表现优异，特别是在迷宫导航和机器人操作等长期任务上，其性能远超现有方法，展示了该框架的强大潜力。
蒙特卡洛树扩散（MCTD）将扩散模型的生成能力和MCTS的自适应搜索能力相结合，提出了一种全新的规划框架，旨在提高基于扩散的规划的轨迹生成质量和计算效率。
MCTD通过将去噪过程重新概念化为基于树的rollout过程，并引入引导层级和快速跳跃去噪机制，实现了结构化搜索与生成式建模的有效结合，显著提升了规划的准确性和可扩展性。
实验结果表明，MCTD在多种任务中表现优异，特别是在迷宫导航和机器人操作等长期任务上，其性能远超现有方法，展示了该框架的强大潜力。
