# Yeni veri toplama yöntemi robot kontrolünü geliştiriyor

> Araştırmacılara göre Action Influence Maximization, kontrol edilebilir video modelleri için gereken eğitim verisini 85 kat azaltıyor.

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

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.

## Gerçekler

- AIM, 300 bin uzman demosu yerine 500 bölüm gerektirerek veri ihtiyacını 85 kat azalttı.
- Makale 2026-10-21 tarihinde arXiv’de yayımlandı.

## Neden önemli

Robot geliştiricileri, AIM sayesinde maliyetli demo kayıtlarını çok daha az kullanarak komutlara daha iyi yanıt veren kontrol modelleri eğitebilir.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-10-21