Réponse rapide
En séparant entraînement, validation, test et déploiement, on mesure la généralisation sur des données indépendantes puis on contrôle le passage du modèle vers le robot réel.
Entraîner
Le jeu d’entraînement sert à ajuster poids et paramètres, sans utiliser les résultats futurs. Les transformations et équilibrages sont décrits et reproductibles.
Évaluer
Validation choisit réglages et seuils ; test final, gardé intact, estime la performance sur scènes ou épisodes non vus. Séparez aussi les robots et sites quand ils créent une dépendance.
Déployer
Figez artefact, prétraitement, matériel et critères, puis vérifiez latence, énergie, calibration et repli sur banc et robot pilote. Une régression bloque la généralisation.
Sources et références
- [1] Cross-validation: evaluating estimator performance — scikit-learn — scikit-learn
- [2] Robotics and Autonomous Systems — NIST