Par où commencer
Lisez la discussion d'évaluation retenue et la stratégie de répartition adaptée à vos dépendances de données.
Utilisez-le dans votre projet
Créez un manifeste fractionné qui empêche les captures ou les objets associés de s'infiltrer dans l'évaluation.
Portée et limites
Conseils génériques en matière d’apprentissage automatique. Une tâche robotique a toujours besoin de ses propres critères de réussite, d’intervention et opérationnels.
Suivre une feuille de route associée
Exécuter une expérience de manipulation reproductible · Professionnel →
Lire : Lisez la discussion d'évaluation retenue et la stratégie de répartition adaptée à vos dépendances de données.
Utilisez des divisions tenant compte des dépendances pour protéger les preuves retenues contre les décisions de formation et de réglage.
Produire : Publiez les définitions des conditions retenues et expliquez pourquoi les essais associés ne fuient pas entre les divisions.
Évaluer les modèles vision-langage-action de manière responsable · Intermédiaire →
Lire : Lisez la discussion d'évaluation retenue et la stratégie de répartition adaptée à vos dépendances de données.
Utilisez des divisions tenant compte des dépendances pour protéger les preuves retenues contre les décisions de formation et de réglage.
Produire : Gelez la répartition tâche/scène suspendue avant de sélectionner des invites, des points de contrôle ou des paramètres de réglage.
Construire un ensemble de données de perception et une étude d'évaluation · Intermédiaire →
Lire : Lisez la discussion d'évaluation retenue et la stratégie de répartition adaptée à vos dépendances de données.
Utilisez des divisions tenant compte des dépendances pour protéger les preuves retenues contre les décisions de formation et de réglage.
Produire : Créez des divisions au niveau de la session de capture ou de l'objet et inspectez un échantillon délibérément presque dupliqué.
Créez un flux de travail d'inspection visuelle de la qualité · Intermédiaire →
Lire : Lisez la discussion d'évaluation retenue et la stratégie de répartition adaptée à vos dépendances de données.
Utilisez des divisions tenant compte des dépendances pour protéger les preuves retenues contre les décisions de formation et de réglage.
Produire : Présentez des lots de capture représentatifs avant de régler le seuil de défauts et inspectez séparément les erreurs coûteuses.