Un critique séparé permet d’estimer la valeur des actions avec un signal plus informatif que le seul succès final, ce qui peut accélérer l’apprentissage et réduire la variance ; il reste toutefois sujet à…
Optimiser une politique consiste à ajuster la règle ou le comportement qui choisit les actions d’un robot pour améliorer un objectif mesuré sous contraintes, données et scénarios définis.
Optimiser une politique choisit la stratégie ou action selon état et objectif ; régler un contrôleur ajuste gains et paramètres d’une boucle pour suivre une consigne avec stabilité et limites.
Pour éviter qu’une politique exploite une faille d’évaluation, on varie scénarios, mesure contraintes réelles, audite récompense et instrumentation, puis on teste généralisation et comportements inattendus.
Une politique de référence permet de comparer gains, régressions, stabilité, coût, incidents et généralisation et fournit un repli lorsque l’optimisation produit un comportement incertain.
Le compromis entre performance et robustesse se choisit en comparant réussite, variance, contraintes, scénarios nouveaux, coût d’échec, énergie et capacité de repli selon la mission.
Séparer actions admissibles et préférences garantit qu’une action interdite par sécurité, légalité ou capacité ne devient pas acceptable simplement parce qu’elle semble efficace ou peu coûteuse.
L’incertitude se représente par probabilité, intervalle, covariance, confiance, ensemble de scénarios ou état inconnu, puis influence action, marge, coût et besoin d’information.
Une décision par règles applique des conditions et priorités explicites ; une décision par coût compare plusieurs actions selon objectifs, contraintes, risques et préférences pondérées.
La modélisation décisionnelle décrit comment un robot transforme observations, objectifs, contraintes, coûts et incertitudes en choix d’action ou de repli.
En cas de perte de communication, le robot applique un timeout et un comportement préétabli : continuer dans une enveloppe sûre, attendre, revenir ou s’arrêter selon énergie, localisation et danger.
L’exploration robotique consiste à découvrir ou inspecter un environnement partiellement connu en choisissant des déplacements et observations qui augmentent la connaissance tout en préservant énergie et sécurité.