Aprendizado por Transferência
O aprendizado por transferência em robótica envolve pegar um modelo pré-treinado em um domínio (por exemplo, dados de visão-linguagem da internet, simulação ou um robô diferente) e adaptá-lo a uma tarefa alvo ou robô com dados adicionais limitados. O ajuste fino das camadas finais de um backbone pré-treinado em dados de demonstração robótica é a abordagem mais comum; o ajuste fino completo de todos os pesos é usado quando dados robóticos suficientes estão disponíveis. O aprendizado por transferência é o mecanismo que torna os modelos fundamentais práticos para robótica — a alternativa de treinar do zero apenas com dados robóticos exigiria milhões de demonstrações. Veja também pré-treinamento, transferência sim-para-real. Veja isso na prática: nossas avaliações em mundo real →