Réponse rapide
Choisir une architecture neuronale pour une perception robotique compare type de donnée, résolution, fréquence, précision requise, latence, énergie, mémoire, robustesse et outils de déploiement. Les modèles sont évalués sur la tâche et les perturbations du robot, pas seulement sur une base publique. Une architecture plus simple peut offrir davantage de marge et de diagnostic.
Associer structure et signal
Convolution convient souvent aux motifs spatiaux ; récurrence ou attention traitent dépendances temporelles ou multi-capteurs. Fusion précoce ou tardive est comparée selon synchronisation et coût. Les sorties nécessaires à la commande sont distinguées des détails non utilisés.
Mesurer pire cas sur la cible
Latence, gigue, mémoire, puissance, température, précision et transfert sont profilés avec cadence réelle et charge concurrente. Les performances sont ventilées par distance, lumière, occlusion et mouvement. Une réserve couvre vieillissement et mise à jour.
Ne pas transposer un classement de benchmark
Base d’images, métrique et matériel peuvent différer totalement du robot. Une bonne moyenne peut cacher un défaut critique ou un délai excessif. Le choix final repose sur un protocole représentatif et documenté.
Sources et références
- [1] Artificial intelligence and robotics — NIST
- [2] Robotics and Autonomous Systems — NIST