从哪里开始读
阅读保留的评估讨论和适合您的数据依赖性的分割策略。
如何用于你的项目
创建防止相关捕获或对象泄漏到评估中的分割清单。
适用范围与限制
通用机器学习指导。机器人任务仍然需要其自身的成功、干预和操作标准。
查看相关路线图
开展可复现的机器人操作实验 · 专业实践 →
建议阅读： 阅读保留的评估讨论和适合您的数据依赖性的分割策略。
使用依赖性感知分割来保护保留的证据免受训练和调整决策的影响。
产生： 发布保留条件定义并解释为什么相关试验不会跨分割泄漏。
系统评估视觉语言动作模型 · 进阶 →
建议阅读： 阅读保留的评估讨论和适合您的数据依赖性的分割策略。
使用依赖性感知分割来保护保留的证据免受训练和调整决策的影响。
产生： 在选择提示、检查点或调整设置之前冻结保留的任务/场景分割。
构建机器人感知数据集与评测实验 · 进阶 →
建议阅读： 阅读保留的评估讨论和适合您的数据依赖性的分割策略。
使用依赖性感知分割来保护保留的证据免受训练和调整决策的影响。
产生： 创建捕获会话或对象级分割并检查故意接近重复的样本。
构建视觉质量检测流程 · 进阶 →
建议阅读： 阅读保留的评估讨论和适合您的数据依赖性的分割策略。
使用依赖性感知分割来保护保留的证据免受训练和调整决策的影响。
产生： 在调整缺陷阈值之前保留代表性捕获批次并单独检查代价高昂的遗漏。