# 新数据采集方法提升机器人世界模型的控制能力

> 研究人员称，Action Influence Maximization 可将可控视频模型所需的训练数据减少 85 倍。

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

Samuel Bateman 带领的研究团队推出了 Action Influence Maximization（AIM）算法，可主动收集训练任务片段，让基于视频的世界模型更关注接收到的动作指令。在模拟导航和基于像素的操作测试中，AIM 仅在现有 3,000 条专家演示数据的基础上新增 500 条任务片段，便达到了使用 300,000 条专家任务片段训练的模型同等的可控性。在数据利用效率方面，该方法优于标准探索方法和内在动机技术。

## 事实

- AIM 将所需数据量减少了 85 倍：仅需 500 条任务片段，而非 300k 条专家演示数据。
- 论文于 2026‑10‑21 发布在 arXiv 上。

## 为什么重要

对机器人开发者而言，AIM 意味着他们只需录制少得多、成本高昂的演示数据，就能训练出响应更灵敏的控制模型。

## 来源与参考

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

最后更新: 2026-10-21