Recherche guidée
Saisissez un concept, une difficulté ou une comparaison. Des questions proches apparaissent pendant la saisie.
À découvrir
3 233 résultats
Le regroupement de données rassemble observations similaires sans étiquette préalable pour révéler modes, familles, anomalies ou situations dans le fonctionnement d’un robot.
K-means impose un nombre de groupes et optimise des centres selon une distance ; le regroupement hiérarchique construit une arborescence de fusions ou séparations visualisable à plusieurs niveaux.
Le regroupement peut révéler des modes de fonctionnement en groupant fenêtres de capteurs, commandes et résultats, puis en comparant groupes connus, transitions, durée et anomalies.
Choisir le nombre de groupes combine métriques de séparation et compacité, stabilité, connaissance du procédé, interprétabilité, coût de surveillance et comportement des anomalies.
Pour éviter un regroupement trompeur, on normalise et sélectionne les variables avec soin, teste stabilité et interprétation, recherche les artefacts et vérifie les groupes sur le fonctionnement réel.
La régularisation d’un modèle robotique ajoute une contrainte ou pénalité qui limite complexité et sensibilité afin d’améliorer généralisation, stabilité ou comportement hors des données d’apprentissage.
La régularisation L1 pénalise la somme des valeurs absolues et favorise des paramètres nuls ou une sélection ; L2 pénalise leurs carrés et tend à les réduire plus progressivement.
Régler la régularisation d’un modèle robotique consiste à comparer coefficients et méthodes sur validation indépendante, en surveillant sous-ajustement, généralisation, stabilité et coût d’erreur.
La régularisation peut améliorer la stabilité d’une commande en réduisant gains, variation ou sensibilité au bruit, mais elle ne remplace pas l’analyse dynamique, les limites et les essais.
Un sous-ajustement après régularisation se détecte par erreurs élevées d’entraînement et de validation, prédictions trop lisses, biais systématiques et incapacité à reproduire des régimes connus.
Le rejet des perturbations est la capacité d’un robot à maintenir état ou performance malgré une influence extérieure ou une variation non souhaitée, dans des limites définies.
Un asservissement rejette une perturbation en mesurant l’écart, en corrigeant la commande selon sa dynamique et en respectant saturation, délai, bruit et stabilité de la boucle.