Réponse rapide
On apprend une politique sans danger en entraînant d’abord sur données ou simulation, en bornant actions et énergie, puis en transférant progressivement avec supervision et repli.
Préparer
Définissez état, action, récompense, limites, scénarios et critères d’arrêt et utilisez un modèle de référence ou une politique sûre.
Explorer
Limitez bruit, vitesse, force et durée, privilégiez actions réversibles et vérifiez chaque épisode contre les contraintes physiques.
Transférer
Comparez simulation, replay, banc et robot et augmentez le domaine seulement si performance, pires cas et repli sont démontrés.
Sources et références
- [1] Robotics and Autonomous Systems — NIST