Recherche guidée
Saisissez un concept, une difficulté ou une comparaison. Des questions proches apparaissent pendant la saisie.
À découvrir
3 233 résultats
La détection profonde utilise un réseau appris pour localiser objets ou événements dans des données et produire boîtes, masques, classes ou scores avec une inférence numérique.
La détection profonde apprend des caractéristiques à partir de données ; une détection fondée sur des règles applique des seuils, formes ou modèles conçus explicitement, avec des compromis différents de généralisation et d’explicabilité.
Réduire la latence d’une détection profonde embarquée consiste à choisir modèle et résolution adaptés, optimiser prétraitement et inférence, limiter copies et mesurer toute la chaîne sur le matériel cible.
Pour résoudre « ici », un robot combine position du locuteur, geste ou regard, carte, repères partagés, contexte de tâche et visibilité, puis confirme si plusieurs lieux restent possibles.
Un robot relie une demande à la tâche en cours en comparant intention, objets, lieux, autorisation, étape active, ressources et conséquences avec son état courant.
Un robot signale son incertitude dans un dialogue situé pour éviter une action fondée sur un objet, lieu, locuteur ou objectif mal identifié et permettre correction ou confirmation.
Tester un dialogue situé sans risque exige simulation et banc, scénarios d’ambiguïté et d’échec, commandes fictives, limites d’action et validation avant tout mouvement réel.
La réduction de dimension transforme des données décrites par de nombreuses variables en une représentation plus courte qui conserve les structures utiles, au prix d’une perte d’information à mesurer.
Réduire la dimension avant un apprentissage robotique peut diminuer calcul, bruit et surapprentissage, mais risque de supprimer une variable rare ou critique pour la sécurité.
Pour visualiser des états robotiques de grande dimension, on projette données et trajectoires dans deux ou trois axes, puis on conserve couleur, temps, classe, erreur et incertitude pour interpréter la carte.
Vérifier qu’une réduction de dimension ne masque pas un risque exige d’analyser variables supprimées, erreurs par scénario, reconstruction, anomalies, contraintes et décisions produites après projection.
La rééducation assistée par robot utilise un dispositif qui guide, soutient ou résiste à un mouvement thérapeutique en mesurant geste, effort et progression sous supervision clinique.