Qu’est-ce que la descente de gradient en apprentissage robotique ?
Mise à jour29 août 2026
Lecture1 minute
Réponse rapide
La descente de gradient ajuste les paramètres d’un modèle dans la direction qui réduit une fonction de perte, à partir du gradient calculé sur des données d’apprentissage.
Mesurer l’écart
La fonction de perte compare prédiction et cible ou objectif. Elle doit représenter la tâche robotique et ses coûts importants.
Déplacer les paramètres
Le gradient indique comment chaque paramètre influence la perte. Une itération soustrait une fraction de cette direction, puis réévalue le modèle.
Surveiller l’apprentissage
Bruit, échelle des variables, minima locaux et données mal représentées influencent le résultat. Validation indépendante et arrêt contrôlé évitent de confondre baisse d’entraînement et progrès réel.
Sources et références
- [1] Robotics and Autonomous Systems — NIST