L’extraction de caractéristiques transforme des mesures brutes en variables plus compactes et informatives, comme contours, textures, vitesses ou formes, pour une détection, estimation ou décision robotique.
Une caractéristique manuelle est conçue par une personne selon une règle connue ; une caractéristique apprise est découverte par un modèle entraîné sur des exemples.
Choisir des caractéristiques pour reconnaître un objet avec un robot demande de privilégier ce qui varie peu avec lumière, orientation, distance et exemplaires tout en restant mesurable.
Normaliser les caractéristiques avant une décision robotique met leurs grandeurs sur une échelle comparable et évite qu’une unité numériquement grande domine le calcul.
Vérifier qu’une caractéristique reste utile après une mise à jour de capteur demande de comparer unités, distribution, corrélations, performances et cas limites avant et après le changement.