En boucle ouverte, le robot applique une consigne sans vérifier directement le résultat ; en boucle fermée, il mesure l’écart et corrige son action, au prix de capteurs et d’un réglage plus exigeant.
Régler un PID consiste à ajuster action proportionnelle, intégrale et dérivée pour suivre une consigne sans oscillation, retard excessif ni effort inutile.
Quand un actionneur sature, la commande ne peut plus fournir l’effort demandé ; elle doit limiter la consigne, éviter l’accumulation intégrale et signaler la perte de marge.
La fréquence d’une boucle de commande se choisit selon la dynamique de l’axe, la vitesse des capteurs, le calcul disponible, le réseau et le délai maximal acceptable.
Après une modification, vérifier la stabilité d’un contrôleur demande d’observer réponse, marges, oscillations et comportement sous charges et perturbations avant remise en service.
Le deep learning apprend des représentations à partir de nombreux exemples et peut reconnaître objets, personnes, profondeur ou défauts dans les capteurs d’un robot.
Préparer des données de perception consiste à couvrir les situations réelles, annoter clairement, séparer entraînement et évaluation, puis contrôler qualité, équilibre et confidentialité.
Éviter le surapprentissage consiste à vérifier le modèle sur des données nouvelles, varier les situations, limiter la complexité et surveiller l’écart entre entraînement et terrain.
Déployer un modèle de deep learning sur un robot embarqué demande de vérifier mémoire, latence, consommation, précision après conversion et comportement en cas d’échec.
Expliquer une prédiction de deep learning consiste à montrer les éléments observés, la confiance, les alternatives plausibles et la limite de l’explication sans inventer une cause.
Un drone vole et dépend de stabilité, vent, batterie et réglementation aérienne ; un robot terrestre s’appuie sur le sol et doit gérer franchissement, pente et obstacles au niveau du corps.
En cas de perte de liaison, un drone applique une procédure connue : conserver brièvement un état stable, revenir ou atterrir selon le contexte, et signaler l’événement.