# 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

> 研究者らによると、Action Influence Maximization（AIM）は、動画モデルの制御に必要な学習データを85分の1に削減する。

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

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。

## 事実

- AIMは必要なデータを85分の1に削減し、エキスパートの実演データ300,000件に対して500件で済んだ。
- 論文は2026-10-21にarXivで公開された。

## なぜ重要か

ロボット開発者はAIMを使うことで、コストのかかる実演記録を大幅に減らしながら、より指示に応じて動く制御モデルを学習できる。

## 出典と参考資料

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

最終更新: 2026-10-21