# Novo método reduz dados para controlar modelos de mundo robóticos

> O Action Influence Maximization reduz em 85 vezes os dados necessários para treinar modelos de vídeo controláveis, afirmam pesquisadores.

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

Pesquisadores liderados por Samuel Bateman apresentaram o Action Influence Maximization (AIM), um algoritmo que coleta ativamente episódios de treinamento para fazer com que modelos de mundo baseados em vídeo prestem atenção às ações solicitadas. Em testes de navegação simulada e manipulação baseada em pixels, o AIM acrescentou apenas 500 novos episódios a um conjunto já existente de 3.000 demonstrações de especialistas e igualou a capacidade de controle de um modelo treinado com 300.000 episódios de especialistas. O método foi mais eficiente no uso de dados do que técnicas convencionais de exploração e motivação intrínseca.

## Os fatos

- O AIM reduziu em 85 vezes a quantidade de dados necessária: foram 500 episódios, em vez de 300 mil demonstrações de especialistas.
- Artigo publicado no arXiv em 2026-10-21.

## Por que importa

Para quem desenvolve robôs, o AIM permite treinar modelos de controle mais responsivos com muito menos gravações de demonstrações, que são caras.

## Fontes e referências

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

Última atualização: 2026-10-21