Réponse rapide
On entraîne un réseau convolutionnel avec des images ou mesures représentatives, des annotations cohérentes, une séparation stricte des jeux, une perte adaptée et une évaluation sur les conditions réelles de perception.
Couvrir le domaine
Angles, éclairage, distance, occlusion, objets et capteurs sont variés. Les épisodes proches d’une même scène ne sont pas dispersés entre entraînement et test.
Suivre la généralisation
Augmentation, régularisation, taux d’apprentissage et arrêt précoce sont contrôlés. Courbes de validation et erreurs par classe guident les changements.
Mesurer la sortie utile
Précision, rappel, calibration, latence et effet sur la planification sont testés hors ligne puis sur banc. Une bonne métrique d’image ne suffit pas à prouver la sécurité.
Sources et références
- [1] Robotics and Autonomous Systems — NIST