Glossaryに戻る
データ拡張（ロボティクス向け）
ロボット学習におけるデータ拡張は、追加のデモンストレーションを収集することなく、制御ポリシーのロバスト性を向上させるために訓練観測にランダム変換を適用します。一般的な画像拡張には、ランダムクロップ、色ジッター、ガウシアンぼかし、カットアウトが含まれます。より高度な拡張は、気を散らす背景をオーバーレイしたり、照明条件を変更したり、センサーノイズを注入して、訓練環境の特定の視覚特性への過学習を防ぎます。アクションも拡張するアプローチもあります。例えば、関節軌跡にノイズを追加して、制御ポリシーが摂動から回復することを教えます。拡張は、訓練データが高価な場合（各デモンストレーションはオペレーター時間を必要とする）に特に重要です。 実際の例を見る：データ収集サービス →