自博弈蒸馏

DSP研究团队提出在世界模型内部通过自博弈蒸馏出一个闭环的、目标条件的策略，将规划能力压缩进快速策略网络以降低在线规划的计算开销。

蒸馏后的目标条件策略以目标状态作为输入条件直接输出动作，无需在线求解优化，推理速度大幅提升，但代价是牺牲了一部分规划精度。