डेटा संवर्धन (रोबोटिक्स के लिए)
रोबोट सीखने में डेटा संवर्धन अतिरिक्त प्रदर्शन एकत्र किए बिना नीति मजबूती में सुधार के लिए प्रशिक्षण अवलोकनों पर यादृच्छिक रूपांतरण लागू करता है। सामान्य छवि संवर्धन में यादृच्छिक क्रॉपिंग, रंग जिटर, गॉसियन धुंधलापन, और कटआउट शामिल हैं। अधिक परिष्कृत संवर्धन विचलित करने वाली पृष्ठभूमि को ओवरले करते हैं, प्रकाश स्थितियों को बदलते हैं, या प्रशिक्षण वातावरण में विशिष्ट दृश्य विशेषताओं के अतिसज्जन को रोकने के लिए सेंसर शोर को इंजेक्ट करते हैं। कुछ दृष्टिकोण क्रियाओं को भी संवर्धित करते हैं — उदाहरण के लिए, नीति को विक्षोभ से उबरना सिखाने के लिए संयुक्त प्रक्षेपवक्र में शोर जोड़ना। संवर्धन विशेष रूप से महत्वपूर्ण है जब प्रशिक्षण डेटा महंगा हो (प्रत्येक प्रदर्शन को मानव ऑपरेटर समय की आवश्यकता होती है)। इसे व्यवहार में देखें: हमारी डेटा संग्रह सेवा →