arXiv · cs.AI· Caelan Garrett, Neel Jawale, Fabio Ramos·· 6 小时前
DemoStream：面向示范学习的批量任务与运动规划优化
DemoStream: Batched Task-and-Motion-Plan Optimization for Automated Learning from Demonstration
arXiv:2610.22020v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Caelan Garrett, Neel Jawale, Fabio Ramos
研究任务与主要进展
DemoStream提出一种批量任务与运动规划系统，通过批量采样和批量约束满足并行探索多种规划解，以优化示范质量并提升行为克隆的成功率。基于论文摘要，作者在仿真中消融分析了动作空间、代价函数和批量大小对下游策略成功率的影响，并利用TAMP的安全保证以平均每小时66条的速度收集真实世界示范；摘要未说明行为克隆成功率的具体数值、实验硬件和完整条件。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org