À quoi sert l’apprentissage non supervisé sur des données de robot ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
L’apprentissage non supervisé cherche des structures dans des données de robot sans étiquette fournie à l’avance, par exemple des comportements ou des situations qui se ressemblent.
Découvrir des régularités
Un algorithme compare des mesures et regroupe ou projette les observations selon leurs ressemblances. Il ne sait pas spontanément si un groupe signifie « sol glissant » ou simplement « capteur plus chaud ».
Explorer les vibrations d’un moteur
En regroupant des fenêtres de courant et d’accélération, on peut voir apparaître un groupe correspondant au fonctionnement normal et un autre observé avant certains arrêts, à examiner par un technicien.Un groupe n’est pas une explication
Les résultats dépendent des variables choisies, de leur échelle et des changements de mission. Toute interprétation doit être confrontée à des mesures réelles et à l’expertise du domaine.
Sources et références
- [1] Clustering — scikit-learn
- [2] Human-robot interaction — NIST