DiscoDemo：为模仿学习发现高效多样的机器人演示数据

📋总体概括

研究团队提出DiscoDemo框架，将强化学习重新定位为数据生成器而非可直接部署的控制器。该方法通过特权潜在条件化RL生成器，结合并行逆向课程与成功门控多样性目标，在保证任务成功率的同时自动发现多种成功解决方案模式，经安全过滤后导出为静态数据集，供下游视觉运动模仿学习（行为克隆）使用，旨在降低机器人操作演示数据的采集成本并扩大训练数据覆盖面。