# Un nuovo metodo riduce i dati per controllare i robot

> Action Influence Maximization riduce di 85 volte i dati necessari per addestrare modelli video controllabili, secondo i ricercatori.

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

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.

## I fatti

- AIM ha ridotto di 85 volte i dati necessari: 500 episodi invece di 300.000 dimostrazioni di esperti.
- L’articolo è stato pubblicato su arXiv il 2026‑10‑21.

## Perché conta

Per chi sviluppa robot, AIM permette di addestrare modelli di controllo più reattivi con molte meno costose registrazioni di dimostrazioni.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-21