Ny metod för att välja träningsdata till robotar visar blandade resultat

arXiv cs.AI

Forskare testade ett nytt sätt att välja vilken träningsdata (robotdemonstrationer) som ger bäst resultat för AI-styrda robotar – genom att mäta hur ofta en robot ändrar sitt första beslut när bara målet byts ut. Testet kördes på 136 separata dataset för fyrbenade navigeringsrobotar, men den praktiska nyttan visade sig vara begränsad: den statistiska förbättringen låg på +0,059 nats (ett mått på prediktionsprecision) med ett konfidensintervall som korsar noll. Det intressanta är egentligen att metoden är pålitlig i sig – problemet är att den komprimerar bort just den information som hade gjort den användbar för att rangordna dataset.