Glossary(으)로 돌아가기
일반화(로봇 제어 정책)
일반화는 로봇 제어 정책이 훈련 중에 보지 못한 물체, 장면, 또는 작업에서 얼마나 잘 수행하는지를 측정한다. 이는 로봇 학습의 중심 과제이다: 훈련 시연을 암기하지만 새로운 사례에서 실패하는 제어 정책은 실질적 가치가 없다. 연구자들은 물체 일반화(알려진 범주의 새로운 인스턴스), 범주 일반화(완전히 새로운 물체 클래스), 그리고 작업 일반화(새로운 명령 표현 또는 목표 구성)를 구분한다. 일반화를 개선하려면 일반적으로 더 크고 다양한 훈련 데이터, 인터넷 데이터와의 공동 훈련, 시뮬레이션에서의 도메인 무작위화, 그리고 기초 모델 사전 정보가 필요하다. 실제 적용 사례 보기: 우리의 실제 환경 평가 →