Comment une IA robotique doit-elle gérer une prédiction incertaine ?

Ne pas transformer un doute en certitude

Seuil, classe inconnue, observation répétée et action réversible permettent de choisir entre continuer, ralentir et s’arrêter.

Identifier une marche

La caméra hésite entre ombre et marche ; le robot ralentit, mesure la hauteur et demande une vérification si l’écart persiste.

La confiance numérique n’est pas une probabilité parfaite

Données nouvelles et calibration changent sa signification. Coût des erreurs, essais et règles de repli doivent être pris en compte.

Sources et références

1. [1] AI Risk Management Framework — NIST
2. [2] Metrics and scoring: quantifying the quality of predictions — scikit-learn

Questions liées

• Comment une IA peut-elle aider un robot à interpréter une consigne humaine ?
• Pourquoi combiner apprentissage et règles explicites dans un robot ?
• Comment évaluer une IA robotique dans un environnement différent de celui de son entraînement ?
• Pourquoi journaliser les décisions d’une IA intégrée à un robot ?
• Qu’est-ce que la décision robotique ?
• Que faire si aucune action robotique ne respecte les contraintes ?
• Qu’est-ce que la perception intelligente d’un robot ?
• Quelle différence entre détection et compréhension de scène pour un robot ?

Cette réponse vous a-t-elle été utile ?

OuiNon

Commentaire facultatif