arXiv cs.AI· Caelan Garrett, Neel Jawale, Fabio Ramos·· 2 天前AI 评分29
DemoStream：面向示教学习自动化的批量任务与运动规划优化
DemoStream: Batched Task-and-Motion-Plan Optimization for Automated Learning from Demonstration
AI 导读
DemoStream 是一个通过优化示教质量来提升行为克隆成功率的 TAMP 系统，引入批量 TAMP 采样操作与批量约束满足算法以并行探索大量解。仿真实验消融了不同动作空间、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 条示教的速度直接采集真实世界示教数据。
正文 · AI 翻译
摘要：从演示中学习是为机器人赋予操作能力的有效策略，但需要在由大量演示组成的数据集上进行训练。现有的演示收集方法要么需要持续的人工参与，例如通过遥操作，要么仅针对单一任务。任务与运动规划（TAMP）系统能够自主求解，从而为通用任务生成演示；然而，由于其解的多模态性，从这些演示中学习已被证明是困难的。在这项工作中，我们基于近期利用 GPU 加速进行 TAMP 的工作，提出了 DemoStream，一个优化演示质量以提高行为克隆成功率的 TAMP 系统。首先，我们引入了批量 TAMP 采样操作以及一种新的 TAMP 算法，该算法相应地执行批量约束满足，以并行探索多个解。我们进行了仿真实验，消融了不同的动作空间、代价函数和批量大小，以分析这些选择对下游策略成功率的影响。最后，我们展示了可以利用 TAMP 的安全保证，以平均每小时 66 个演示的速度直接收集真实世界演示。请访问我们的网站查看策略部署视频：此 http URL。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.22020 [cs.RO] |
| （或 arXiv:2610.22020v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22020 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Caelan Garrett [查看电子邮件]
[v1]
2026年10月15日星期四 15:01:01 UTC（4,862 KB）
来源：arXiv cs.AI · arxiv.org