Réponse rapide
Le deep learning peut améliorer perception, prédiction ou génération de commandes en apprenant des représentations à partir de nombreuses données. En robotique, son intérêt dépend toutefois des données, de la validation, des ressources de calcul et des garde-fous qui bornent son usage.
Apprendre des représentations
Réseau compose transformations pour relier image, son, état ou trajectoire à une sortie. Les paramètres appris sont liés à une fonction et à un domaine d’usage précis.
Relier modèle et fonction
Modèle peut détecter objet, estimer pose ou prédire dynamique. Erreurs acceptables, contrôle classique de secours, délai et ressources sont définis séparément.
Mesurer au-delà de la moyenne
Précision globale peut cacher échecs rares ou dangereux. Variations de lumière, objets, sols, utilisateurs et capteurs sont testées avant intégration.
Sources et références
- [1] Deep Learning Book — MIT Press