Comment éviter l’explosion des gradients pendant l’apprentissage d’un robot ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
On entraîne un réseau par lots d’exemples : la rétropropagation agrège leurs erreurs avant de modifier les paramètres.
Corriger sur plusieurs exemples
Un seul objet atypique ne doit pas déplacer fortement le modèle si le lot représente correctement la tâche.Apprendre des images de pièces
Le système traite un lot, calcule la perte moyenne, met à jour les poids puis vérifie sur des images jamais vues.Un lot biaisé déforme l’apprentissage
Taille, mélange, annotations, fréquence de mise à jour et jeu de validation doivent être contrôlés.Sources et références
- [1] Human-robot interaction — NIST