2016 深度學(xué)習(xí)機器人領(lǐng)域最新應(yīng)用及趨勢總結(jié)

　　過去3年，深度學(xué)習(xí)在計算機視覺領(lǐng)域取得了巨大成功。其中，在物體識別和檢測、場景分類、根據(jù)圖像生成文字描述等領(lǐng)域表現(xiàn)尤為突出。不過，深度學(xué)習(xí)在機器人視覺領(lǐng)域的表現(xiàn)還相形見絀。

　　雖然深度學(xué)習(xí)在機器人根據(jù)視覺引導(dǎo)進行抓取和控制方面得到了很好的應(yīng)用，但目前還沒有在機器人領(lǐng)域成為主流。而且，在去年的RSS、ICRA等重大國際機器人會議上，很多著名的研究者對深度學(xué)習(xí)技術(shù)在機器人場景中的應(yīng)用能力公開提出了質(zhì)疑。

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

　　下文作者是倫敦帝國理工大學(xué)戴森機器人實驗室博士生John McCormac。McCormac的導(dǎo)師Andrew Davison是倫敦帝國理工大學(xué)計算機系主任，領(lǐng)導(dǎo)該校機器人視覺研究小組，同時也是戴森機器人實驗室的負(fù)責(zé)人。McCormac的研究方向是使用深度學(xué)習(xí)進行三維語義分割和場景理解。

　　最后，Pieter Abbeel直接問“誰是深度學(xué)習(xí)懷疑論者”，現(xiàn)場參加討論的150到200多人中，包括聽眾和講者，只有大約5到10人舉起了手。而且，這些懷疑論者在被問道時，還都對深度學(xué)習(xí)表示了肯定，認(rèn)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(xí)產(chǎn)生懷疑的大致有兩點：一是在一些特定情境下無法確保做出規(guī)定動作，二則是深度學(xué)習(xí)在很多方面缺乏可解釋的不確定性測量手段。

　　LarryJackel提出了衡量一個人是否是“深度學(xué)習(xí)懷疑論者”的標(biāo)準(zhǔn)：按正常情況預(yù)計，未來10年自己會不會使用神經(jīng)網(wǎng)絡(luò)。如果你的答案是“不會”，那么你就屬于深度學(xué)習(xí)懷疑論者陣營。

　　在OliverBrock逼問之下，Pieter給出了一個更寬泛的解釋，稱深度學(xué)習(xí)提供了一個工具包，機器人技術(shù)研究者有望利用這個工具包實現(xiàn)更通用的智能機器人。有人表示如今對深度學(xué)習(xí)熱潮有可能是寒冬降臨前的爆發(fā)，但Pieter認(rèn)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(xí)盈利，比如谷歌的廣告系統(tǒng)。

　　與會者普遍對深度學(xué)習(xí)采取實用的態(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(xí)則是之后再去解決這些約束造成的問題。