Aller au contenu
Robopedia Rechercher une réponse
Cycle de vie des modèles Avancé Limite

Comment détecter la dérive d’un modèle après son déploiement sur un robot ?

Mise à jour28 août 2026 Lecture1 minute

Réponse rapide

Détecter la dérive d’un modèle après son déploiement consiste à comparer ses entrées et ses erreurs à une référence, puis à déclencher une revue lorsque le contexte change.

Observer ce qui change

Éclairage, objets, saisons ou comportements peuvent évoluer alors que le logiciel reste identique.

Des palettes prennent une nouvelle forme

Les alertes montrent que les images réelles s’éloignent du jeu de référence ; l’équipe échantillonne et vérifie les erreurs avant de réentraîner.

Une dérive n’est pas toujours un mauvais score immédiat

Référence, échantillonnage, biais, seuils, supervision et retour arrière doivent être documentés.

Sources et références

  1. [1] AI RMF Core — Measure — National Institute of Standards and Technology

Cette réponse vous a-t-elle été utile ?

Continuer à explorer

Une autre question sur la robotique ou l’IA ?