机器人数据筛选提速313倍
jiqizhixin · x · 2026-07-11
- 这篇工作提出 **ATHENA**，用于让机器人数据标注/筛选更高效：通过影响函数判断哪些示范数据真正有助于任务表现。 - 方法上，它利用神经网络梯度结构，并用**rank-r 随机近似**来估计 Hessian，从而把原本很慢的计算做得可用。 - 结果上，作者报告约 **313x** 的影响计算加速；在仿真中只用 **50%** 示范数据就能达到或超过全量微调效果。 - 在 **6 个真实机器人任务** 上，只用 **66.7%** 数据就能达到全数据性能。