基盤モデルの能力を教師介入で蒸留するTILDE

行動の大規模事前学習を持たない方策へ、事前学習済みの身体性基盤モデル（EFM）の能力を移す手法TILDEが提案された。生徒方策が実際に到達する状態で教師が教える方策内蒸留と、教師が実行した回復軌道からの学習を組み合わせる。さらにAutoDAggerは、報酬モデルで進捗を監視して教師の介入を自動で起動し、人手の監視なしに回復データを集める。回復軌道の収集は人が介入する方式より2倍以上速い。実機の3タスクで、行動模倣に比べ最大4.1倍の性能向上を示し、異なるアーキテクチャ間の蒸留にも有効だった。