ロボットの世界モデルを制御しやすくする新たなデータ収集法

Samuel Bateman氏らの研究チームは、動画ベースの世界モデルが指示された動作に注意を向けるよう、学習用エピソードを能動的に集めるアルゴリズム「Action Influence Maximization（AIM）」を発表した。シミュレーション上のナビゲーションとピクセルベースの物体操作でテストしたところ、既存の3,000件のエキスパート実演データに新たに加えたのはわずか500件。それでも、エキスパートのエピソードを300,000件使って学習したモデルと同等の制御性を実現した。データ効率では、標準的な探索手法や内発的動機付けを利用する手法を上回った。