Questões

Criar robôs com aparência humana

Inspirar o design de robôs em sistemas biológicos naturais

Desenvolver robôs que imitam máquinas humanas

Focar em robôs que não utilizam energia elétrica

Controle centralizado

Interação local entre robôs

Programação individual complexa

Dependência de sensores de longo alcance

Quando o modelo não consegue aprender os padrões dos dados de treinamento.

Quando o modelo se ajusta excessivamente aos dados de treinamento, perdendo a capacidade de generalizar para novos dados.

Quando o modelo tem uma baixa precisão em dados de treinamento e de teste.

Quando o modelo é muito simples e não consegue capturar os padrões.

Quando o modelo falha na previsão dos dados de treino devido ao uso de um kernel inadequado.

Aumenta a complexidade do sistema.

Permite que o robô antecipe e se adapte a mudanças nas condições do ambiente.

Exclusão de interações humanas.

Limitação a um único tipo de tarefa.

Um modelo baseado em uma análise de clusters de dados para previsão de classes.

Um modelo probabilístico que faz suposições de independência entre as variáveis para prever classes.

Um modelo de redes neurais profundas utilizado para aprendizado supervisionado.

Um modelo de aprendizado não supervisionado utilizado para análise de sentimentos.

Um modelo de regressão utilizado para prever valores contínuos.

Busca pelo melhor primeiro (Best First Search).

Busca gananciosa pelo melhor primeiro (Greedy best-first search).

Busca bidirecional.

Busca em Profundidade.

Busca A*.

Tecnologia de papel e caneta, que é manual e propensa a erros.

Sistemas SCADA, que permitem supervisão e controle em tempo real.

Sistemas de comunicação analógica, que são lentos e imprecisos.

Sistemas de armazenamento em nuvem, que não são aplicáveis a ambientes industriais.