DiscoDemo：用强化学习生成多样机器人示教数据提升模仿学习

DiscoDemo 将强化学习作为数据生成器，训练带特权信息的潜在条件生成器，通过并行逆向课程和成功门控的多样性目标发现多种成功解，再经安全过滤导出为静态数据集供下游视觉运动模仿学习使用。在四个操作任务上，该方法在仿真中把下游成功率从最强基线的 40% 提升到 62%，在真实机器人上从 39% 提升到 78%。作者认为成功解的多样性可改善预训练流匹配 VLA 的模仿学习，并与纠错数据采集互补。