Forskare under ledning av Samuel Bateman har tagit fram Action Influence Maximization (AIM), en algoritm som aktivt samlar in träningsepisoder för att få videobaserade världsmodeller att ta hänsyn till de kommandon de får. I tester med simulerad navigering och pixelbaserad manipulation behövde AIM bara lägga till 500 nya episoder till en befintlig samling med 3 000 expertinspelade demonstrationer för att nå samma styrbarhet som en modell tränad på 300 000 expertinspelade episoder. Metoden var mer dataeffektiv än standardmetoder för utforskning och inre motivation.
Varför det spelar roll
För robotutvecklare innebär AIM att de kan träna mer responsiva styrmodeller med betydligt färre kostsamma demonstrationsinspelningar.
