# Un método reduce los datos para controlar robots con modelos del mundo

> Action Influence Maximization reduce 85 veces los datos necesarios para entrenar modelos de video controlables, según los investigadores.

Oossa · 2026-10-21 · https://oossa.com/es/new-data-collection-method-boosts-robot-world-model-control

Un equipo dirigido por Samuel Bateman presentó Action Influence Maximization (AIM), un algoritmo que recopila activamente episodios de entrenamiento para que los modelos del mundo basados en video presten atención a las acciones indicadas. En pruebas de navegación simulada y manipulación basada en píxeles, AIM añadió solo 500 episodios nuevos a un conjunto existente de 3,000 demostraciones de expertos y logró el mismo nivel de controlabilidad que un modelo entrenado con 300,000 episodios de expertos. El método superó a las técnicas habituales de exploración y motivación intrínseca en eficiencia de datos.

## Los hechos

- AIM redujo los datos necesarios 85 veces: requirió 500 episodios, frente a 300k demostraciones de expertos.
- El artículo se publicó en arXiv el 2026‑10‑21.

## Por qué importa

Para quienes desarrollan robots, AIM permite entrenar modelos de control más receptivos con muchas menos grabaciones costosas de demostraciones.

## Fuentes y referencias

1. [Training Controllable World Models via Action Influence Maximization](https://arxiv.org/abs/2610.27387) – arXiv cs.RO, 2026-10-21

Última actualización: 2026-10-21