Glossaryに戻る
汎化（ロボット制御ポリシー）
汎化は、ロボット制御ポリシーが訓練中に見たことのないオブジェクト、シーン、またはタスクに対してどの程度うまく実行するかを測定する。これはロボット学習の中心的な課題である：訓練デモンストレーションを暗記するが新しいインスタンスで失敗する制御ポリシーは実用的価値がない。研究者はオブジェクト汎化（既知カテゴリの新しいインスタンス）、カテゴリ汎化（完全に新しいオブジェクトクラス）、およびタスク汎化（新しい指示フレーズまたはゴール構成）を区別する。汎化を改善するには、通常、より大規模で多様な訓練データ、インターネットデータとの共訓練、シミュレーションでのドメインランダム化、および基礎モデルの事前知識が必要である。 実践例を参照：実世界評価 →