Réponse rapide
L’apprentissage non supervisé est insuffisant pour piloter un robot lorsque l’objectif, la sécurité, les conséquences ou les classes doivent être définis explicitement et qu’aucun motif statistique ne garantit une action correcte. Il ne connaît pas seul la préférence, la zone interdite ni la distance d’arrêt. Il peut fournir une alerte ou une représentation, tandis qu’un contrôleur, une règle ou un humain décide.
Séparer exploration et autorité
Clustering, réduction et détection peuvent enrichir perception ou diagnostic, mais objectifs, contraintes et transitions sont imposés par une politique validée. Les sorties incertaines sont bornées avant d’atteindre les actionneurs. Le rôle du modèle est documenté.
Ajouter supervision et preuves
Essais confrontent motifs découverts à des scénarios connus, limites physiques et résultats attendus. Un opérateur confirme les changements de mode lorsque le risque est élevé. Les règles de repli restent indépendantes des groupes appris.
Ne pas prendre un cluster pour une intention
Un regroupement décrit similarité de données, pas ce que la personne veut ni ce que le robot doit faire. La décision doit utiliser contexte, autorisation et sécurité. Sans preuve suffisante, le robot observe ou s’arrête.
Sources et références
- [1] Unsupervised learning — scikit-learn User Guide — scikit-learn