Apprentissage paramétré par la tâche
L'apprentissage paramétré par la tâche encode les démonstrations par rapport à plusieurs repères de coordonnées ou paramètres de tâche (par exemple, la pose de l'objet, une localisation cible, un repère d'obstacle) plutôt que dans un repère monde fixe. Lors de l'exécution, la politique d'action s'adapte automatiquement aux nouvelles configurations d'objet et de cible sans réentraînement, car elle a appris le mouvement par rapport à des références pertinentes pour la tâche. Les modèles de mélange gaussien paramétrés par la tâche (TP-GMM) et les primitives de mouvement kernelisées sont des implémentations classiques. Cette approche offre une forte généralisation géométrique pour les tâches structurées de saisie et placement, bien qu'elle nécessite que les repères de tâche soient identifiés et suivis à l'exécution. Voir cela en pratique : notre service de collecte de données →