Aller au contenu
Robopedia Rechercher une réponse
Apprentissage robotique Intermédiaire Fonctionnement

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. [1] Artificial intelligence and robotics — NIST

Cette réponse vous a-t-elle été utile ?

Continuer à explorer

Une autre question sur la robotique ou l’IA ?