KAIST DiscoDemo：用 RL 生成多样化机器人演示，真机成功率 39%→78%

KAIST 与 Holiday Robotics 的 DiscoDemo 把强化学习当作数据生成器而非可部署控制器，为模仿学习产出多样化机器人演示。其特权潜在条件 RL 生成器结合并行反向课程与成功门控多样性目标，生成的行为经安全过滤后导出为静态数据集。在四个操作任务上，下游成功率从仿真 40% 升至 62%，真机从 39% 升至 78%。