预印本：DemoStream批量TAMP实现每小时66次真实机器人演示采集

DemoStream系统能在真实机器人上以平均每小时66次的速度自动收集操作演示数据，这一速率显著高于依赖人工遥操作或单一任务专用系统的传统方法。

机器人从演示中学习（Learning from Demonstration）通常需要海量数据，但现有采集方式要么需要人类持续介入，要么仅适用于特定任务。任务与运动规划（TAMP）系统虽能自主解决通用任务并生成演示，但其解的多模态性导致后续行为克隆策略难以训练成功。

该研究基于近期GPU加速TAMP的工作，提出DemoStream。它引入批量TAMP采样和新的约束满足算法，并行探索多种解决方案以优化演示质量。模拟实验分析了不同动作空间、成本函数和批量大小对下游策略成功率的影响。最终，作者利用TAMP的安全保证，在真实环境中直接收集演示，报告了每小时66次的平均采集率。

此为arXiv预印本（2026年10月15日提交），所有性能指标均为作者自测，尚未经过独立复现。具体硬件配置、任务复杂度及“多模态”问题的量化改善幅度需查阅全文确认。