Pourquoi surveiller la dérive d’un modèle robotique après son déploiement ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
Surveiller la dérive d’un modèle robotique consiste à comparer ses entrées, sa confiance, ses erreurs et ses résultats à la distribution validée après déploiement.
Détecter le changement
Lumière, objets, météo, logiciel ou comportement des personnes peuvent s’éloigner des données d’apprentissage sans panne visible.Une caméra change de site
Le taux d’abstention et les erreurs augmentent après déménagement ; le robot ralentit et demande une nouvelle calibration avant de continuer.Une confiance stable peut être trompeuse
Sans vérité terrain ni suivi des cas refusés, la dérive reste cachée. Échantillonnage, alerte et réentraînement contrôlé sont nécessaires.
Sources et références
- [1] Artificial intelligence and robotics — NIST