Domaine de connaissance
Affiner le parcours
Choisissez une branche plus précise ou continuez avec toutes les réponses ci-dessous.
Questions du domaine
89 résultats
La recherche dans un espace d’états explore configurations et actions possibles pour atteindre un objectif depuis un état initial selon transitions, coûts, obstacles et contraintes.
Le raisonnement automatique aide la planification en vérifiant préconditions, effets, ressources, dépendances et contraintes, puis en comparant ou réparant des séquences d’actions.
Le raisonnement automatique applique des règles, modèles ou probabilités à des faits et objectifs pour déduire une situation, choisir une action ou signaler une incertitude.
Le raisonnement déductif applique des règles à des faits pour obtenir une conclusion certaine dans le modèle ; le raisonnement probabiliste combine incertitude et observations pour estimer des hypothèses.
Un robot détecte une contradiction en comparant faits, règles, observations et états temporels dans un modèle et en recherchant valeurs, sources ou contraintes incompatibles.
Rendre un raisonnement robotique explicable consiste à conserver faits utilisés, hypothèses, règles, alternatives, incertitudes, contraintes et raisons de la décision dans un format lisible et vérifiable.
La perception intelligente transforme des mesures de capteurs en objets, états, relations et incertitudes utiles à la décision d’un robot, en tenant compte du contexte et de l’objectif.
La détection signale qu’un motif ou un objet est présent et où il se trouve, tandis que la compréhension de scène relie objets, relations, contexte, évolution et conséquences pour la tâche.
Conserver l’incertitude permet au robot de distinguer mesure fiable, hypothèse et absence d’information, d’adapter ses marges et de refuser une action lorsque le risque dépasse ce qui est démontré.
On teste une perception intelligente hors de ses données d’apprentissage avec des scènes nouvelles, des perturbations, des capteurs dégradés et des classes inconnues, puis on mesure détection, refus et conséquences dans la tâche.
Un environnement est partiellement observable lorsque les capteurs ne révèlent pas directement tout l’état utile : obstacles masqués, objets hors champ, bruit et identité incertaine doivent être estimés dans le temps.
Un environnement observable permet d’inférer l’état utile à partir des mesures disponibles ; un environnement partiellement observable laisse plusieurs états compatibles avec les mêmes observations et exige mémoire, estimation ou action d’information.
Une question plus précise ?