Pour vérifier qu’une récompense n’encourage pas un comportement indésirable, on compare score et trajectoire, cherche des raccourcis, varie scénarios, audite métriques et teste une politique de référence.
La sécurité s’intègre à une récompense par contraintes, pénalités fortes ou actions interdites, mais elle doit aussi être garantie par un contrôleur ou arbitre indépendant de l’apprentissage.
Une récompense de tâche est une mesure numérique qui indique à un robot si une transition ou un résultat rapproche l’exécution de l’objectif défini.
Une récompense fidèle à une tâche robotique relie succès mesurable, contraintes, qualité et coût d’échec au comportement souhaité, puis est testée contre des stratégies indésirables.
Une récompense dense fournit des indications fréquentes pendant la tâche ; une récompense sparse ne signale principalement que succès ou échec, avec exploration plus difficile mais moins d’hypothèses intermédiaires.
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.
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.
Plusieurs robots explorateurs se coordonnent en partageant cartes, zones, états et contraintes, en répartissant les objectifs sans conflit et en prévoyant un comportement sûr lorsque le réseau ou un robot manque.
On gère un échec de transfert simulation-réalité en arrêtant l’essai, en isolant l’écart, en réduisant le domaine et en corrigeant modèle ou contrôleur avant de reprendre progressivement.
On utilise des données réelles pour un modèle simulé afin de calibrer bruit, latence, géométrie, comportements et cas rares qui manquent dans le monde virtuel.
On valide un contrôleur issu d’une simulation par des essais gradués, une comparaison à la référence, des perturbations et une coupure indépendante avant la pleine mission.
On réduit l’écart entre simulation et robot réel en mesurant les différences utiles, en calibrant modèle et capteurs et en entraînant ou testant sur des variations réalistes.