Un gruppo di ricercatori guidato da Samuel Bateman ha presentato Action Influence Maximization (AIM), un algoritmo che seleziona attivamente gli episodi di addestramento per indurre i modelli del mondo basati su video a prestare attenzione alle azioni impartite. Nei test di navigazione simulata e manipolazione basata su pixel, AIM ha aggiunto appena 500 nuovi episodi a un set esistente di 3.000 dimostrazioni di esperti, ottenendo una controllabilità pari a quella di un modello addestrato con 300.000 episodi di esperti. Il metodo ha superato le tecniche standard di esplorazione e motivazione intrinseca in termini di efficienza nell’uso dei dati.
Perché conta
Per chi sviluppa robot, AIM permette di addestrare modelli di controllo più reattivi con molte meno costose registrazioni di dimostrazioni.
