Bevor Sie beginnen
Einstiegswissen
- Grundlegendes Python, Arrays und Bildverarbeitung.
- Verstehen Sie den Unterschied zwischen einer Sensorbeobachtung und der Bodenwahrheit.
Ausrüstung & Umgebung
Beginnen Sie mit lizenzierten vorhandenen Daten und einer kontrollierten Szene. Erfassen Sie identifizierbare Personen nur im Rahmen eines angemessenen Einwilligungs- und Governance-Prozesses.
Keine feste Fertigstellungszeit: Nutzen Sie die unten stehenden Beweise, um zu entscheiden, wann Sie fortfahren möchten. Ressourcenlinks öffnen den Botstest-Verzeichniseintrag; Die genaue Version und Konfiguration finden Sie in der Dokumentation des Herausgebers.
Anfänger
Definieren Sie Beobachtungen und Beschriftungen
Verknüpfen Sie eine Wahrnehmungsfrage mit messbaren Anmerkungen.
Wie diese Phase funktioniert
Wahrnehmungsbezeichnungen stellen eine aufgabenspezifische Interpretation von Beobachtungen dar. Definieren Sie, was nicht so genau beobachtet werden kann wie das, was sichtbar ist.
Arbeiten Sie ein Beispiel durch
Anschauliche Lernübung · geschrieben von botstest
Vergleichen Sie für eine Übung zur Pose eines bekannten Objekts eine Vollansicht, eine Teilansicht und einen Rahmen mit ungültiger Tiefe. Entscheiden Sie, welche Fälle die beabsichtigte Bezeichnung unterstützen können und welche einen unbekannten oder überprüften Status erfordern.
- Definieren Sie die Beobachtungs- und Zielmenge.
- Schreiben Sie Regeln für Mehrdeutigkeit und Okklusion.
- Prüfen Sie eine kleine Stichprobe mit einem anderen Annotator.
Ein nicht beobachtbares Objekt ist nicht unbedingt ein negatives Beispiel; Halten Sie die Sichtbarkeit getrennt von den Kategoriebezeichnungen.
Referenzbasis: Geometrische Posenschätzung. Das Beispiel und die exemplarische Vorgehensweise sind redaktionelle Anwendungen der Quelle.
Lernen Sie in dieser Reihenfolge
- Definitionen von Erkennungs-, Posen- und Geometrieaufgaben
- Kameraeigenschaften, Bildkonventionen und Zeitstempel
- Beschriften Sie Herkunft, Mehrdeutigkeit und Berechtigungen
Lesen und dann bewerben
Russ Tedrake · MIT · Kurskapitel
Geometrische Posenschätzung
Lesen Sie: Beginnen Sie mit Kameras, Tiefenbeobachtungen, fehlenden Echos und Teilansichten, bevor Sie die Methoden registrieren.
Nutzen Sie die Wahrnehmungsannahmen, um nicht beobachtbare Fälle zu identifizieren, bevor Sie Daten kennzeichnen oder einer geometrischen Schätzung vertrauen.
Wenden Sie es an: Beschriften Sie, welche Beobachtungen fehlen, verdeckt sind oder außerhalb des gewählten geometrischen Modells liegen.
Setzen Sie es in die Praxis um
- Untersuchen Sie ein kleines Bild oder eine Punktwolkenprobe und ihre Beschriftungen.
- Schreiben Sie Anmerkungsregeln für schwierige und nicht beobachtbare Fälle.
Ein Datenwörterbuch, ein Anmerkungsleitfaden und ein Beispielaudit.
Bereit für den nächsten Schritt, wenn…
Ressourcen für diese Phase
Überprüfen Sie Punktwolken und Ergebnisse der Geometrieverarbeitung, bevor Sie sie in einer Wahrnehmungspipeline verwenden.
Studieren Sie Bildverarbeitung und kamerabezogene Tools anhand der vorgelagerten Projektdokumentation.
Untersuchen Sie Handobjektbeobachtungen, Anmerkungen und Bewertungsannahmen für eine fokussierte Wahrnehmungsstudie.
Mittelstufe
Auslaufsichere Auswertung konstruieren
Messen Sie das Modellverhalten anhand einer aussagekräftigen Verteilung.
Wie diese Phase funktioniert
Bilder aus derselben Sitzung können versteckte Abhängigkeiten teilen. Aufteilung nach dem Generalisierungsanspruch und nicht nach Zweckmäßigkeit.
Arbeiten Sie ein Beispiel durch
Anschauliche Lernübung · geschrieben von botstest
Wenn der Anspruch die Leistung bei neuen Aufnahmesitzungen betrifft, behalten Sie ganze Sitzungen bei. Überprüfen Sie nahezu doppelte Frames und wiederholte Objekte, bevor Sie eine zufällige Aufteilung verwenden, die nahezu identische Beweise auf Partitionen verteilen kann.
- Wählen Sie die vorgesehene ausgehaltene Variante.
- Erstellen Sie ein reproduzierbares Split-Manifest.
- Melden Sie Fehler nach Szene und Beobachtungsbedingung.
Unerwartet hervorragende Bewertungsergebnisse sollten vor einem stärkeren Modellanspruch ein Leckage-Audit auslösen.
Referenzbasis: Kreuzvalidierung: Bewertung der Schätzerleistung. Das Beispiel und die exemplarische Vorgehensweise sind redaktionelle Anwendungen der Quelle.
Lernen Sie in dieser Reihenfolge
- Szenen-, Objekt- und Sitzungsaufteilungen
- Kalibrierungsqualität und Sensorausrichtung
- Präzisions-/Rückruf- oder aufgabengerechte Fehlerdefinitionen
Lesen und dann bewerben
scikit-learn developers · Praktischer Leitfaden
Kreuzvalidierung: Bewertung der Schätzerleistung
Lesen Sie: Lesen Sie die ausführliche Bewertungsdiskussion und die für Ihre Datenabhängigkeiten geeignete Aufteilungsstrategie.
Verwenden Sie abhängigkeitsbewusste Aufteilungen, um die zurückgehaltenen Beweise vor Schulungs- und Optimierungsentscheidungen zu schützen.
Wenden Sie es an: Erstellen Sie Aufteilungen auf Erfassungssitzungs- oder Objektebene und untersuchen Sie eine bewusst nahezu duplizierte Stichprobe.
Setzen Sie es in die Praxis um
- Aufteilung nach Erfassungssitzung oder Objekt, wo die Aufgabe dies erfordert.
- Vergleichen Sie eine einfache Basislinie mit normalen, verdeckten und verschobenen Beobachtungen.
Ein versioniertes Notizbuch zur Aufteilung und Basisbewertung von Datensätzen.
Bereit für den nächsten Schritt, wenn…
Ressourcen für diese Phase
Überprüfen Sie einen Manipulationsdatensatz und seine Erfassungsbedingungen, bevor Sie Trainings- und Bewertungsaufteilungen entwerfen.
Studieren Sie einen Arbeitsablauf zur Erfassung von Manipulationsdaten und seine Verkörperung und Umgebungsannahmen.
Entdecken Sie die Referenzerkennung und Posenbeobachtungen mit bekannter Markierungsgeometrie und Kamerakalibrierung.
Professionell
Geben Sie einen Datensatz mit einem ehrlichen Umfang frei
Machen Sie die Daten wiederverwendbar und machen Sie ihre Grenzen sichtbar.
Wie diese Phase funktioniert
Ein wiederverwendbarer Datensatz erklärt, wie aus Rohbeobachtungen freigegebene Proben wurden. Bewahren Sie Herkunft, Konventionen und Einschränkungen mit den Daten.
Arbeiten Sie ein Beispiel durch
Anschauliche Lernübung · geschrieben von botstest
Wählen Sie eine veröffentlichte Episode oder ein veröffentlichtes Bild aus und rekonstruieren Sie deren Aufnahmesitzung, Kalibrierung, Verarbeitung und Etikettierungsentscheidung. Bitten Sie einen Kollegen, die Bewertung ausschließlich unter Verwendung der veröffentlichten Metadaten zu reproduzieren.
- Schreiben Sie ein Datenwörterbuch und eine Berechtigungsnotiz.
- Versionsverarbeitung und Anmerkungsentscheidungen.
- Veröffentlichen Sie die Evaluator- und Verteilungsgrenzen.
Ein Datensatzordner mit unbenannten Transformationen und undokumentierten Beschriftungen kann keine zuverlässige Wiederverwendung unterstützen.
Referenzbasis: LeRobotDataset v3.0. Das Beispiel und die exemplarische Vorgehensweise sind redaktionelle Anwendungen der Quelle.
Lernen Sie in dieser Reihenfolge
- Datensatzdokumentation und Nutzungsrechte
- Berichterstattung über Sensor- und Szenenverteilung
- Modellvertrauen, Drift und nachgelagerte Konsequenzen
Lesen und dann bewerben
Hugging Face · LeRobot · Referenzdokumentation
LeRobotDataset v3.0
Lesen Sie: Überprüfen Sie die Struktur und Metadaten des Datensatzes, bevor Sie Episoden ändern oder kombinieren.
Nutzen Sie die Datenstruktur, um Episoden, Beobachtungen, Aktionen und Verarbeitungsherkunft einsehbar zu machen.
Wenden Sie es an: Veröffentlichen Sie Datenorganisation, Versionen und Herkunft, damit ein anderer Forscher eine Episode rekonstruieren kann.
Setzen Sie es in die Praxis um
- Bereiten Sie eine Datenkarte mit Erfassungs-, Verarbeitungs- und Aufteilungsdetails vor.
- Lassen Sie einen zweiten Forscher die Auswertung anhand der veröffentlichten Metadaten reproduzieren.
Eine Datensatzkarte, ein reproduzierbarer Bewerter und ein Bericht über Einschränkungen.
Bereit für den nächsten Schritt, wenn…
Ressourcen für diese Phase
Untersuchen Sie Demonstrationsdaten, Metadaten, Lizenzen und Aktionskonventionen für mehrere Ausführungsformen.
Untersuchen Sie Objektressourcen mit Herkunfts- und Lizenzprüfungen, bevor Sie sie in die Simulation einbeziehen.
Visualisieren Sie räumliche Beobachtungen und vergleichen Sie sie mit Modell- und Flugbahnausgaben.
Häufige Fallstricke
- Benachbarte Videobilder nach dem Zufallsprinzip aufteilen und das Ergebnis verallgemeinern.
- Verwendung gerenderter oder menschlicher Videodaten, als ob es sich dabei um die Grundwahrheit einer Roboteraktion handeln würde.
Wohin als nächstes?
Mit demselben Daten- und Auswertungsvertrag auf Manipulation oder Industrieinspektion erweitern.
Entdecken Sie andere forschung Wege →