Yen-Ling Kuo ผู้ช่วยศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์จาก University of Virginia ได้รับรางวัลจากการพัฒนาแนวทางใหม่ที่ชื่อว่า 'Diff-DAgger' ซึ่งมุ่งเน้นการแก้ปัญหาใหญ่ในการฝึกหุ่นยนต์ คือการจัดการกับสถานการณ์ที่หุ่นยนต์ไม่เคยพบมาก่อนในชุดข้อมูลฝึกสอน โดยงานวิจัยนี้ผสมผสานระหว่างประสาทวิทยาและวิทยาการคอมพิวเตอร์เพื่อสร้างระบบที่ช่วยให้หุ่นยนต์สามารถ 'คาดเดาอย่างมีหลักการ' เมื่อเผชิญกับความไม่แน่นอน
เทคนิคนี้ใช้ Diffusion Policy เพื่อช่วยให้หุ่นยนต์ประเมินระดับความไม่แน่นอนในงานที่กำลังทำอยู่ ซึ่งจะช่วยลดภาระของมนุษย์ในการควบคุมดูแล และเพิ่มอัตราความสำเร็จในการปฏิบัติงานที่ซับซ้อน นอกจากนี้ยังเป็นรากฐานสำคัญในการนำโมเดลขนาดใหญ่ที่มีความต้องการข้อมูลสูงมาใช้ในการเรียนรู้ของหุ่นยนต์แบบโต้ตอบ (Interactive Robot Learning) ช่วยให้การเก็บข้อมูลเพื่อฝึกฝนมีประสิทธิภาพมากขึ้นในอนาคต
