# Новый метод сбора данных улучшает управление роботами

> По словам исследователей, Action Influence Maximization сокращает объём данных для обучения управляемых видеомоделей в 85 раз.

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

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.

## Факты

- AIM сократил объём данных в 85 раз: потребовалось 500 эпизодов вместо 300 тыс. экспертных демонстраций.
- Статья опубликована на arXiv 2026‑10‑21.

## Почему это важно

Для разработчиков роботов AIM означает, что они смогут обучать более отзывчивые модели управления, записывая гораздо меньше затратных демонстраций.

## Источники и ссылки

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

Обновлено: 2026-10-21