Comment détecter qu’un modèle de perception sort de son domaine d’apprentissage ?

Réponse rapide

On détecte la sortie du domaine d’apprentissage par nouveauté, baisse de confiance, changement de distribution, incohérence sensorielle et échec sur des références surveillées.

Avertissement de sécurité

Un modèle peut sortir de son domaine sans baisser nettement son score. Surveillez plusieurs signaux, réduisez l’autonomie et gardez un repli validé.

Décrire

Documentez scènes, capteurs, conditions et classes couvertes par l’apprentissage et fixez les limites connues. Un score élevé ne suffit pas hors de cette enveloppe.

Surveiller

Suivez distance aux données connues, entropie, taux d’inconnu, résidus, luminosité, météo et dérive des décisions. Comparez une référence stable et les distributions récentes.

Réagir

Réduisez autonomie, demandez une observation ou revenez à un modèle validé lorsque plusieurs signaux concordent. N’étendez pas le domaine par adaptation silencieuse.

Sources et références

  1. [1] Robotics and Autonomous Systems — NIST

Cette réponse vous a-t-elle été utile ?