2016 深度學習機器人領域最新應用及趨勢總結
加入技術交流群
編者按：深度學習在機器人領域還僅僅處于起步階段，而將來深度學習在機器人領域中的應用對發展通用人工智能大有助益。
OliverBrock將機器人技術里的深度學習現狀和煉金術相比，每個人都有自己設計架構的黑魔法，而這是一個值得全領域從業者注意的問題。Brock呼吁要建立起機器人技術的“元素周期表”，研究者應該注意并且在論文中強調自己使用的方法對解決其他領域問題的適用性。
本文引用地址：http://www.104case.com/article/201608/295483.htmAshutosh Saxena的觀點是，機器人應用場景中的深度學習問題就像一個因子圖，每個因子都是一個經過訓練的RNN。Saxena認為，形成這樣一個主因子圖結構，同一個機器人不同時間的子任務和不同機器人之間就都能共享組件
。
Dieter Fox主張將深度框架和先驗模型相結合。Fox表示他以前對深度學習抱有懷疑，但如今已經是深度學習的積極擁護者，其原因是深度學習技術在機械手的姿態估計中的魯棒性。Fox表示，純粹基于模型的方法雖然能得到明確的置信區間，但在實際應用中很難達到這一點。他以ICP要求為例，至少用CNN做單幀手勢跟蹤魯棒性非常好。
John Leonard一開始說自己是深度學習懷疑論者，但5個月前他看到了LarryJackel做的英偉達自動駕駛有關項目，然后改變態度，認為“讓那些不用深度學習的人自生自滅就好了”。Jackel使用的是特斯拉收集的數據，包含攝像頭和傳感器記錄的上億英里的駕駛訓練數據。Leonard還介紹了深度學習在機器人傳統概率推理中的應用及未來潛力。
評論