Domaine de connaissance
Affiner le parcours
Choisissez une branche plus précise ou continuez avec toutes les réponses ci-dessous.
Questions du domaine
89 résultats
Quand le contexte devient inconnu, le robot réduit son autonomie en ralentissant, en limitant ses actions ou en demandant une validation humaine plutôt qu’en poursuivant coûte que coûte.
Évaluer l’explicabilité consiste à vérifier si une personne peut comprendre pourquoi le robot a choisi une action, avec des éléments fiables et adaptés à la situation.
La mémoire des décisions relie observations, hypothèses, actions, résultats et erreurs afin d’éviter les répétitions, d’expliquer les choix et de reprendre une mission à partir d’un état connu.
L’IA symbolique manipule règles, concepts et relations explicites ; l’apprentissage statistique ajuste une représentation à partir d’exemples, avec des compromis différents entre explicabilité, adaptation et données.
Évaluer une représentation des connaissances demande de mesurer couverture, cohérence, fraîcheur, expressivité, coût de mise à jour, explicabilité, contradictions et utilité pour les tâches du robot.
L’incertitude des connaissances se représente par confiance, probabilité, intervalle, statut, âge, provenance ou alternatives incompatibles selon le type de fait et de décision.
Après une action, le robot met à jour ses connaissances en enregistrant résultat observé, état précédent, temps, source, effet attendu, incertitude et éventuelle contradiction.
Une ontologie définit concepts, relations et contraintes d’un domaine ; une base de faits contient des instances ou observations qui utilisent cette structure à un moment donné.
Une représentation des connaissances encode faits, concepts, relations, règles, capacités, objectifs, contexte et incertitude pour permettre à un robot de raisonner et dialoguer.
Une recherche qui ne trouve pas de solution doit respecter budget temps et mémoire, retourner un diagnostic, conserver un état sûr et proposer observation, relaxation contrôlée ou intervention.
Pour éviter les états dangereux, une recherche filtre transitions, zones, vitesses, postures et ressources selon contraintes de sécurité avant de les ajouter ou de les exécuter.
La recherche en largeur explore d’abord les états les plus proches et trouve un chemin minimal en coût uniforme ; la recherche en profondeur suit une branche avant de revenir, avec mémoire moindre mais…
Une question plus précise ?