محققان در مقاله جدیدی به بررسی تفاوت مدلهای «پیشبینی دینامیک معکوس» (PIDM) و روش رایج «تقلید رفتار» (Behavior Cloning) پرداختهاند. اگرچه BC روشی کاربردی است، اما وقتی دادههای آموزشی محدود باشند، عملکرد آن افت میکند.
نکات کلیدی این پژوهش:
✅ مدلهای PIDM با ترکیب پیشبینی وضعیتهای آینده و مدل دینامیک معکوس، واریانس را به شدت کاهش میدهند.
✅ در تستهای انجام شده در محیطهای دوبعدی، روش BC برای رسیدن به عملکرد مشابه، به ۳ تا ۵ برابر داده آموزشی بیشتری نیاز دارد!
✅ در محیطهای پیچیده سهبعدی و بازیهای مدرن، مدلهای PIDM توانستند با ۶۶٪ داده کمتر، عملکرد بهتری از خود نشان دهند.
این تحقیق گامی مهم در افزایش بهرهوری هوش مصنوعی در آموزش عاملهای هوشمند است.
منبع: arXiv AI
