Samuel Bateman liderliğindeki araştırmacılar, video tabanlı dünya modellerinin verilen komutlara dikkat etmesini sağlamak amacıyla eğitim bölümlerini etkin biçimde toplayan Action Influence Maximization (AIM) adlı bir algoritma geliştirdi. Simüle edilmiş gezinme ve piksellere dayalı nesne manipülasyonu testlerinde AIM, mevcut 3.000 uzman demosu koleksiyonuna yalnızca 500 yeni bölüm ekleyerek, 300.000 uzman bölümüyle eğitilmiş bir modelle aynı kontrol edilebilirlik düzeyine ulaştı. Yöntem, veri verimliliği bakımından standart keşif ve içsel motivasyon tekniklerinden daha iyi sonuç verdi.
Neden önemli
Robot geliştiricileri, AIM sayesinde maliyetli demo kayıtlarını çok daha az kullanarak komutlara daha iyi yanıt veren kontrol modelleri eğitebilir.
