Аугментация данных (для робототехники)
Аугментация данных в обучении робота применяет случайные преобразования к обучающим наблюдениям для повышения робастности политики управления без сбора дополнительных демонстраций. Типичные аугментации изображений включают случайный кроп, цветовой шум, гауссово размытие и вырезание. Более сложные аугментации накладывают отвлекающие фоны, изменяют условия освещения или внедряют шум датчиков, чтобы предотвратить переобучение на специфичные визуальные признаки в обучающем окружении. Некоторые подходы также аугментируют действия — например, добавляют шум к траекториям суставов, чтобы научить политику управления восстанавливаться после возмущений. Аугментация особенно важна, когда обучающие данные дорогостоящи (каждая демонстрация требует времени оператора). Смотрите это на практике: наш сервис сбора данных →