Réponse rapide
Une architecture neuronale décrit comment couches, opérateurs, paramètres, entrées et sorties transforment des données pour une tâche robotique. Convolution, attention, récurrence ou modèle plus compact répondent à des structures et budgets différents. Le réseau est intégré à un prétraitement, une décision, un contrôleur et un repli, pas utilisé isolément.
Relier réseau et chaîne de perception
Taille, fréquence, résolution, précision numérique, mémoire, latence et sortie utile sont définies avec le capteur et le consommateur. Les opérateurs non supportés et les conversions sont identifiés. Seuil, abstention et contrôleur aval restent explicites.
Observer performance et ressources
Le modèle est testé sur scènes, mouvements, éclairage et capteurs représentatifs, puis sur matériel embarqué. Erreur, confiance, énergie, température et délai sont mesurés. Une sortie incohérente conduit à une voie de secours.
Ne pas choisir un réseau sur sa taille ou sa mode
Plus profond ou récent ne signifie pas plus fiable pour la tâche. Données, domaine, mémoire et contraintes de contrôle décident du choix. Une architecture opaque doit conserver des limites observables.
Sources et références
- [1] Artificial intelligence and robotics — NIST