合成データ
ロボット学習のアクティブラーニング：実機データ収集を不確実性とカバレッジで最適化する
不確実性、条件付き失敗リスク、カバレッジ不足、コストを組み合わせ、次に集めるロボット実機データを選ぶ設計方法を整理します。
ロボット失敗ログの活用設計：再学習と回帰テストへつなぐデータループ
ロボットの失敗ログを、検出・ラベル付け・パターン化し、再学習用データと回帰テストへ分岐させる設計を整理します。
ロボット学習の合成データ戦略：実機データとの境界をどう設計するか
合成データが実機データを代替できる条件と、接触・センサー要因で併用すべき条件を、評価方法とともに整理する。
