Espaço Latente
Um espaço latente é uma representação comprimida e de menor dimensionalidade de dados aprendida por uma rede neural — a saída de um codificador que captura as características mais relevantes para a tarefa de uma observação. No aprendizado de robô, espaços latentes são usados em VAEs (autoencodificadores variacionais) para aprender representações estruturadas de cenas visuais, em modelos de mundo para prever estados futuros, e em políticas baseadas em CVAE (como ACT) para codificar distribuições de ação multimodais. Um espaço latente bem estruturado coloca observações semanticamente similares próximas, permitindo interpolação, planejamento e aumento de dados no domínio latente em vez de no espaço de pixels brutos. Veja isso na prática: nosso serviço de coleta de dados →