« Généralisation Zero-Shot » : différence entre les versions
(Page créée avec « == '''<span style="font-family:arial black;font-size:24px; color:#1880a6;">ROBOTIQUE</span>'''== == Définition == La capacité d'une politique à réussir une tâche ou avec un objet jamais vu pendant l'entraînement, sans adaptation ni ajustement fin. La généralisation zero-shot est l'objectif ultime de l'apprentissage robotique à usage général. Les modèles VLA pré-entraînés sur des données à l'échelle d'Internet et de... ») |
Aucun résumé des modifications |
||
| Ligne 5 : | Ligne 5 : | ||
Les modèles VLA pré-entraînés sur des données à l'échelle d'Internet et des ensembles de données robotiques diversifiés démontrent des capacités zero-shot croissantes, bien que la fiabilité reste un défi. | Les modèles VLA pré-entraînés sur des données à l'échelle d'Internet et des ensembles de données robotiques diversifiés démontrent des capacités zero-shot croissantes, bien que la fiabilité reste un défi. | ||
-- | |||
La généralisation zero-shot est la capacité d'une politique entraînée à réussir avec succès des tâches, des objets ou des environnements qu'elle n'a jamais vus explicitement pendant | |||
l'entraînement, sans ajustement fin supplémentaire ni démonstrations additionnelles. Le vrai transfert zero-shot est un objectif majeur des modèles de fondation robotiques — une politique qui généralise zero-shot à des objets domestiques nouveaux ou à de nouvelles instructions en langage naturel réduirait dramatiquement le fardeau de la collecte de données. | |||
Les modèles VLA actuels montrent une généralisation en langage naturel zero-shot prometteuse (compréhension de formulations nouvelles de types de tâches connus) mais peinent toujours avec des catégories d'objets véritablement nouvelles ou des compétences de manipulation complètement nouvelles. | |||
L'amélioration des performances zero-shot est la motivation centrale de la mise à l'échelle des ensembles de données robotiques et des tailles de modèles. Voir aussi l'article Transfert Zero-Shot. | |||
== Français == | == Français == | ||
Dernière version du 25 septembre 2026 à 17:28
ROBOTIQUE
Définition
La capacité d'une politique à réussir une tâche ou avec un objet jamais vu pendant l'entraînement, sans adaptation ni ajustement fin. La généralisation zero-shot est l'objectif ultime de l'apprentissage robotique à usage général.
Les modèles VLA pré-entraînés sur des données à l'échelle d'Internet et des ensembles de données robotiques diversifiés démontrent des capacités zero-shot croissantes, bien que la fiabilité reste un défi.
--
La généralisation zero-shot est la capacité d'une politique entraînée à réussir avec succès des tâches, des objets ou des environnements qu'elle n'a jamais vus explicitement pendant
l'entraînement, sans ajustement fin supplémentaire ni démonstrations additionnelles. Le vrai transfert zero-shot est un objectif majeur des modèles de fondation robotiques — une politique qui généralise zero-shot à des objets domestiques nouveaux ou à de nouvelles instructions en langage naturel réduirait dramatiquement le fardeau de la collecte de données.
Les modèles VLA actuels montrent une généralisation en langage naturel zero-shot prometteuse (compréhension de formulations nouvelles de types de tâches connus) mais peinent toujours avec des catégories d'objets véritablement nouvelles ou des compétences de manipulation complètement nouvelles.
L'amélioration des performances zero-shot est la motivation centrale de la mise à l'échelle des ensembles de données robotiques et des tailles de modèles. Voir aussi l'article Transfert Zero-Shot.
Français
Généralisation Zero-Shot
Anglais
zero shot generalization
Sources
Contributeurs: wiki
