提出FAKTUAL轨迹熵数据筛选算法

Sreevardhan Sirigiri 等人在 arXiv 机器人学论文中提出 FAKTUAL，一种在给定子集规模预算下选出熵最大演示子集的免模型数据筛选算法，用于机器人模仿学习数据集的多样性度量与筛选。 该算法基于签名核 Gram 矩阵熵，无需访问模仿策略或 rollout，相对策略训练开销可忽略。论文称，跨任务与架构的评测中，用 FAKTUAL 做多样性筛选相比随机选择能持续提升下游成功率，且比近期的机器人数据筛选方法计算效率更高。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。