Latenter Raum
Ein latenter Raum ist eine komprimierte, niedrigdimensionale Darstellung von Daten, die von einem neuronalen Netzwerk gelernt wird — die Ausgabe eines Encoders, der die aufgabenrelevantesten Merkmale einer Beobachtung erfasst. Im Roboter-Lernen werden latente Räume in VAEs (Variational Autoencodern) zur Erlernung strukturierter Darstellungen visueller Szenen, in Weltmodellen zur Vorhersage zukünftiger Zustände und in CVAE-basierten Richtlinien (wie ACT) zur Kodierung multimodaler Aktionsverteilungen verwendet. Ein gut strukturierter latenter Raum platziert semantisch ähnliche Beobachtungen nah beieinander, was Interpolation, Planung und Datenerweiterung im latenten Bereich anstelle des rohen Pixelraums ermöglicht. Siehe dies in der Praxis: unser Datenerfassungsservice →