Les systèmes de vol autonomes alimentés par RL ont récemment rencontré un obstacle majeur. Ils ont été rendus entièrement fonctionnels il y a environ deux semaines, mais ensuite tout s'est effondré. J'ai passé des jours à traquer quatre bugs absolument brutaux — le genre qui vous fait tout remettre en question. Honnêtement, c'était stressant ; j'ai presque décidé de revenir en arrière sur toute l'implémentation. La véritable leçon cependant : combiner l'intégration hardware avec l'apprentissage profond est trompeusement complexe. Il existe un écart énorme entre la théorie et la réalité lorsque les réseaux neuronaux rencontrent de véritables systèmes physiques. Chaque variable compte, et un détail négligé peut entraîner une cascade d'échecs.