데이터 증강 (로보틱스용)

로봇 학습의 데이터 증강은 추가 시연을 수집하지 않고도 제어정책 견고성을 개선하기 위해 훈련 관찰에 무작위 변환을 적용합니다. 일반적인 이미지 증강에는 무작위 자르기, 색상 지터, 가우시안 흐림, 컷아웃이 포함됩니다. 더 정교한 증강은 방해가 되는 배경을 오버레이하고, 조명 조건을 변경하거나, 센서 노이즈를 주입하여 훈련 환경의 특정 시각적 특징에 대한 과적합을 방지합니다. 일부 접근 방식은 동작도 증강합니다 — 예를 들어, 제어정책이 섭동으로부터 회복하도록 가르치기 위해 관절 궤적에 노이즈를 추가합니다. 증강은 훈련 데이터가 비용이 많이 드는 경우(각 시연에는 인간 조작자 시간이 필요함)에 특히 중요합니다. 실제로 보기: 우리의 데이터 수집 서비스 →

Related terms