Des chercheurs dirigés par Samuel Bateman ont présenté Action Influence Maximization (AIM), un algorithme qui collecte activement des épisodes d’entraînement afin que les modèles du monde basés sur la vidéo prêtent attention aux actions demandées. Lors de tests portant sur la navigation simulée et la manipulation à partir de pixels, AIM n’a ajouté que 500 épisodes à un ensemble existant de 3 000 démonstrations d’experts et a atteint un niveau de contrôlabilité équivalent à celui d’un modèle entraîné sur 300 000 épisodes d’experts. La méthode a utilisé les données plus efficacement que les techniques classiques d’exploration et de motivation intrinsèque.
Pourquoi c'est important
Pour les développeurs de robots, AIM permet d’entraîner des modèles de contrôle plus réactifs avec beaucoup moins d’enregistrements de démonstrations coûteux.
