본 논문은 다양한 질과 수준의 데모 데이터셋을 포함하는 로봇 데모 데이터셋의 이질성 문제를 해결하기 위해, 온라인 로봇 경험을 기반으로 데모를 자가 치유하는 새로운 방법인 Demo-SCORE를 제안한다. Demo-SCORE는 성공적인 정책 실행과 실패한 실행을 구별하는 분류기를 학습하고 교차 검증하여 이질적인 데모 데이터셋을 필터링한다. 실험 결과, Demo-SCORE는 수동으로 정제하지 않고도 비효율적인 데모를 효과적으로 식별하며, 기존 모든 데모로 학습된 정책에 비해 성공률을 15-35% 이상 향상시킨다.