2016 深度學(xué)習機器人領(lǐng)域最新應用及趨勢總結

　　過(guò)去3年，深度學(xué)習在計算機視覺(jué)領(lǐng)域取得了巨大成功。其中，在物體識別和檢測、場(chǎng)景分類(lèi)、根據圖像生成文字描述等領(lǐng)域表現尤為突出。不過(guò)，深度學(xué)習在機器人視覺(jué)領(lǐng)域的表現還相形見(jiàn)絀。

　　雖然深度學(xué)習在機器人根據視覺(jué)引導進(jìn)行抓取和控制方面得到了很好的應用，但目前還沒(méi)有在機器人領(lǐng)域成為主流。而且，在去年的RSS、ICRA等重大國際機器人會(huì )議上，很多著(zhù)名的研究者對深度學(xué)習技術(shù)在機器人場(chǎng)景中的應用能力公開(kāi)提出了質(zhì)疑。

　　因此，本屆RSS2016，主辦方特地舉辦了一場(chǎng)小型研討會(huì )，探討深度學(xué)習在機器人技術(shù)中的應用及局限(Are the Sceptics Right? Limit sand Potential sofDeep Learning in Robotics)。雖然只是一個(gè)小型研討會(huì )(workshop)，但主辦方也邀請到機器人技術(shù)、深度學(xué)習和計算機視覺(jué)領(lǐng)域三方面的專(zhuān)家。其中，有的是在深度學(xué)習技術(shù)出現后很快就將其應用于自己在機器人技術(shù)相關(guān)領(lǐng)域，也有著(zhù)名的“深度學(xué)習懷疑論者”。

　　下文作者是倫敦帝國理工大學(xué)戴森機器人實(shí)驗室博士生John McCormac。McCormac的導師Andrew Davison是倫敦帝國理工大學(xué)計算機系主任，領(lǐng)導該校機器人視覺(jué)研究小組，同時(shí)也是戴森機器人實(shí)驗室的負責人。McCormac的研究方向是使用深度學(xué)習進(jìn)行三維語(yǔ)義分割和場(chǎng)景理解。

　　最后，Pieter Abbeel直接問(wèn)“誰(shuí)是深度學(xué)習懷疑論者”，現場(chǎng)參加討論的150到200多人中，包括聽(tīng)眾和講者，只有大約5到10人舉起了手。而且，這些懷疑論者在被問(wèn)道時(shí)，還都對深度學(xué)習表示了肯定，認為這種技術(shù)是研究機器人的重要工具之一。

　　讓人對深度學(xué)習產(chǎn)生懷疑的大致有兩點(diǎn)：一是在一些特定情境下無(wú)法確保做出規定動(dòng)作，二則是深度學(xué)習在很多方面缺乏可解釋的不確定性測量手段。

　　LarryJackel提出了衡量一個(gè)人是否是“深度學(xué)習懷疑論者”的標準：按正常情況預計，未來(lái)10年自己會(huì )不會(huì )使用神經(jīng)網(wǎng)絡(luò )。如果你的答案是“不會(huì )”，那么你就屬于深度學(xué)習懷疑論者陣營(yíng)。

　　在OliverBrock逼問(wèn)之下，Pieter給出了一個(gè)更寬泛的解釋?zhuān)Q(chēng)深度學(xué)習提供了一個(gè)工具包，機器人技術(shù)研究者有望利用這個(gè)工具包實(shí)現更通用的智能機器人。有人表示如今對深度學(xué)習熱潮有可能是寒冬降臨前的爆發(fā)，但Pieter認為這不大可能發(fā)生，鑒于很多大公司已經(jīng)使用深度學(xué)習盈利，比如谷歌的廣告系統。

　　與會(huì )者普遍對深度學(xué)習采取實(shí)用的態(tài)度：機器人技術(shù)研究者要做的，是提出先驗約束和模型約束，而深度學(xué)習則是之后再去解決這些約束造成的問(wèn)題。