Glossary पर वापस जाएं
सामान्यीकरण (रोबोट नीति)
सामान्यीकरण मापता है कि एक रोबोट नीति उन वस्तुओं, दृश्यों, या कार्यों पर कितनी अच्छी तरह प्रदर्शन करती है जिन्हें प्रशिक्षण के दौरान नहीं देखा गया है। यह रोबोट सीखने की केंद्रीय चुनौती है: एक नीति जो प्रशिक्षण प्रदर्शनों को याद रखती है लेकिन नई स्थितियों पर विफल हो जाती है, उसका कोई व्यावहारिक मूल्य नहीं है। शोधकर्ता वस्तु सामान्यीकरण (ज्ञात श्रेणियों के नए उदाहरण), श्रेणी सामान्यीकरण (पूरी तरह से नई वस्तु कक्षाएं), और कार्य सामान्यीकरण (नई निर्देश वाक्यांश या लक्ष्य कॉन्फ़िगरेशन) में अंतर करते हैं। सामान्यीकरण में सुधार आमतौर पर बड़े और अधिक विविध प्रशिक्षण डेटा, इंटरनेट डेटा के साथ सह-प्रशिक्षण, सिमुलेशन में डोमेन यादृच्छिकीकरण, और फाउंडेशन मॉडल पूर्वाग्रहों की आवश्यकता होती है। व्यवहार में यह देखें: हमारे वास्तविक-विश्व मूल्यांकन →