内容摘要
作者提出 DemoStream，将任务与运动规划（TAMP）的目标从生成可行示范推进到优化示范质量，以改善行为克隆策略的学习效果。方法引入批量条件采样器和批量计算图优化，并行探索大量规划解；实现中由 CPU 运行批量优化逻辑，GPU 执行采样与代价函数计算。作者在仿真中消融动作空间、代价函数和批量大小，报告在 Stack-Three 任务上，最小化任务空间代价并使用任务空间运动规划器，在所测动作空间中取得最高策略成功率。
批量大小实验显示，增大逆运动学批量可缩短示范、收窄长度分布并提高策略成功率，但放慢执行速度的实验也表明，示范更短本身不足以解释学习效果。真机部分在 Franka Panda 上测试叠块、香蕉入桶和苹果青柠装盘，每项任务采集 75 条示范，吞吐量为每小时 66 条；各任务训练扩散策略，并各评测 20 次，作者报告平均成功率 67%。这一流程仍由人工完成随机复位和成功标注，不能等同于全流程无人采集。
点评
作者实验强调：规划能完成任务不等于其示范适合模仿学习，示范优化应关注下游策略效果。
这是作者论文中的实验结果，并非独立复现；真机结论限于所测任务与评测设置，且仍需人工复位和成功标注。
版本与核查范围
版本 2610.22020v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.p3.1；#S3.SS3.p4.1；#abstract1.1；figcaption[78]；#S5.SS1.p1.1；#S5.SS3.p1.1；#S5.SS3.p1.1；#S5.SS6.p1.1；#S5.SS6.p2.1；#S5.SS6.p2.1；#S2.SS0.SSS0.Px2.p2.1