Réponse rapide
Les données de perception se préparent par collecte représentative, annotations documentées, calibration, synchronisation, nettoyage, séparation par épisode, augmentation contrôlée et conservation de la provenance.
Couvrir le domaine
Objets, éclairage, météo, angles, distances, charges et défauts sont variés. Les classes rares et événements critiques sont explicitement recherchés.
Définir la cible
Boîte, masque, pose, profondeur ou état possède repère, unité, tolérance et règle de désaccord. Les cas ambigus restent signalés.
Éviter la fuite
Train, validation et test sont séparés par scène, épisode, robot ou site. Les transformations et paramètres sont appris seulement sur l’entraînement.
Sources et références
- [1] Nodes — ROS 2 documentation
- [2] AI Risk Management Framework — NIST