Comment choisir une stratégie d’échantillonnage pour les données d’un robot ?
Mise à jour29 août 2026
Lecture1 minute
Réponse rapide
Une stratégie d’échantillonnage couvre les conditions qui comptent pour la mission, équilibre fréquence et rareté, sépare les épisodes corrélés et conserve la provenance de chaque exemple.
Couvrir
Recensez lieux, objets, éclairage, météo, vitesses, charges, capteurs et défauts. Cherchez activement les cas rares ou critiques plutôt que de reproduire seulement les scènes faciles.
Échantillonner
Choisissez aléatoire, stratifié, séquentiel ou ciblé selon l’objectif. Évitez de surreprésenter un robot, un site ou une période au détriment du domaine réel.
Vérifier
Comparez distributions, classes, épisodes et qualité d’annotation entre entraînement et exploitation. Gardez un test indépendant et documentez les exclusions.
Sources et références
- [1] Cross-validation: evaluating estimator performance — scikit-learn developers