Исследователи во главе с Samuel Bateman представили алгоритм Action Influence Maximization (AIM), который целенаправленно собирает обучающие эпизоды, чтобы видеомодели окружающего мира учитывали заданные действия. В испытаниях на симуляции навигации и манипуляциях с объектами на основе пиксельных данных AIM добавил всего 500 новых эпизодов к существующему набору из 3 000 экспертных демонстраций и обеспечил такую же управляемость, как у модели, обученной на 300 000 экспертных эпизодов. По эффективности использования данных метод превзошёл стандартные методы исследования среды и внутренней мотивации.
Почему это важно
Для разработчиков роботов AIM означает, что они смогут обучать более отзывчивые модели управления, записывая гораздо меньше затратных демонстраций.
