# डेटा जुटाने की नई विधि से रोबोट का नियंत्रण बेहतर

> शोधकर्ताओं के मुताबिक, Action Influence Maximization से नियंत्रित वीडियो मॉडल को प्रशिक्षित करने के लिए 85× कम डेटा चाहिए।

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

Samuel Bateman के नेतृत्व वाली टीम ने Action Influence Maximization (AIM) पेश किया है। यह एक ऐसा एल्गोरिदम है जो प्रशिक्षण के लिए ऐसे एपिसोड सक्रिय रूप से जुटाता है, ताकि वीडियो-आधारित विश्व मॉडल दिए गए निर्देशों के मुताबिक की गई कार्रवाइयों पर ध्यान दें। सिम्युलेटेड नेविगेशन और पिक्सेल-आधारित वस्तु-संचालन के परीक्षणों में, AIM ने 3,000 विशेषज्ञ डेमो के मौजूदा सेट में केवल 500 नए एपिसोड जोड़े और उस मॉडल जितना नियंत्रण हासिल किया जिसे 300,000 विशेषज्ञ एपिसोड पर प्रशिक्षित किया गया था। डेटा के कुशल इस्तेमाल में यह तरीका मानक एक्सप्लोरेशन और आंतरिक प्रेरणा तकनीकों से बेहतर रहा।

## तथ्य

- AIM ने डेटा की ज़रूरत 85× घटाई: 300k विशेषज्ञ डेमो के मुकाबले 500 एपिसोड की ज़रूरत पड़ी।
- शोधपत्र 2026‑10‑21 को arXiv पर पोस्ट किया गया।

## यह क्यों मायने रखता है

रोबोट बनाने वालों के लिए AIM का मतलब है कि वे प्रदर्शन रिकॉर्ड करने पर होने वाले भारी खर्च के बिना, कहीं कम डेटा से अधिक प्रतिक्रियाशील नियंत्रण मॉडल प्रशिक्षित कर सकते हैं।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-21