一方面，我们不懂得须要若干瘪据才能让问题收敛。另一方面，实际机械人进行一次操作须要消费时光、可能会造成伤害、会破坏实验前提(须要人工恢复)等，采集数据会比图像辨认、语音辨认难度大年夜很多。

如今深度进修这么火，大年夜家都邑想着看看能不克不及用到本身的研究范呈攀里。所以，精深度进修融入到机械人范畴的测验测验也是有的。我就本身懂得的两个方面(视觉与筹划)来简单介绍一下吧。

物体辨认

这个其实是最轻易想到的偏向了，比较DL就是因为图像辨认上的结不雅而开端火起来的。

这里可以直接把本来CNN的那几套收集搬过来竽暌姑，具体工作就不说了，我之前在另一个答复amazon picking challenge(APC)2016中辨认和活动筹划的主流算法是什么?下有提到，2016年的『亚马逊抓取大年夜赛』中，很多部队都采取了DL作为物体辨认算法。

物体定位

当然，机械视觉跟计算机视觉有点差别。机械人范畴的视觉除了物体辨认还包含物体定位(为了要操作物体，须要知道物体的位姿)。

当然，这一块也不是没人在做。我们实验室的┞放博士也是在做这方面测验测验。我这里简单介绍一下张博士之前调研的一偏论文的工作。

Doumanoglou, Andreas, et al. "Recovering 6d object pose and predicting next-best-view in the crowd."Proceedings of the IEEE Conference>

这个工作大年夜概是如许的：对于一个物体，取很多小块RGB-D数据;每小块有一个坐标(相对于物体坐标系);然后，起首用一个自编码器对数据进行降维;之后，用将降维后的特点用于练习Hough Forest。

如许，在现什物体检测的时刻，我就可以经由过程在物体外面采样RGB-D数据，之后，估计出一个位姿。

抓取姿势生成

这个之前在另一个问题(传统的RCNN可以大年夜致框出定位物体在图片中的地位，然则若何将这个图片中的

Using Geometry to Detect Grasp Poses in 3DPoint Clouds

High precision grasp pose detection in dense clutter

控制/筹划

【编辑推荐】

1. 人工智能是若何发明收集假消息的？
2. 7个小故事告诉你 当人工智能赶上大夫会产生什么
3. 任正非谈人工智能应用：不要遍地智能化，不然满盘皆输
4. 麦肯锡中国人工智能申报 直面庞座大年夜山
5. 最合适人工智能开辟的5种编程说话

【义务编辑：51CTO_OS TEL：（010）68476606】

这一块是我如今感兴趣的处所。

简单地说，我们知道强化进修可以用来做移念头器人的路径筹划。所以，理论大将，结合DL的Function Approximation 与 Policy Gradient，是有可能用来做控制或筹划的。当然，如今的几个工作离代替本来的传统办法还有很长的距离要走，然则也是很有趣的测验测验。

放几个工作，具体可以看他们的paper。

1.Learning monocular reactive uav control in cluttered natural environments

可不雅性问题

2. From Perception to Decision: A Data-driven Approach to End-to-end Motion Planning for Autonomous Ground Robots

ETH 室内导航

3.Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection

 DeepMind 物体抓取

4. End-to-end training of deep visuomotor policies

Berkeley 拧瓶盖等义务

有哪些可贵

1. 在视觉范畴，除了物体辨认、还须要进行物体定位。这是一个 regression 问题，然则今朝来看， regression 的精度还没办法直接用于物体操作，(可能是数据量还不敷，或者说如今还没找到合适的收集构造)，所以一般还须要采取ICP等算法进行最后一步匹配迭代。
2. 机械人筹划/控制等方面，可能存在的问题就比较多了。之前在雷锋网『硬创公开课』直播(活动筹划 | 视频篇)的时刻有提到我碰着的一些问题，这里简单列鄙人面：

简单地说，我们这些不做DL理论的人，都是先默认DL的收敛、泛化才能是足够的。我们应当关怀的是，要给DL喂什么数据。也就是说，在DL才能足够强的前提下，哪些数据才能让我须要解决的问题变得可不雅。

　　推荐阅读

　　XNOR-NET技术详解：AI技术落地移动端新时代即将崛起

2017 年 2 月 2 日，位于美国西雅图的 AI 创虻公司 xnor.ai 宣布获得来自麦德罗纳风险投资集团(Madrona Venture Group)和艾伦人工智能研究所(Allen Institute for Artificial Intelligen>>>详细阅读

本文标题：有没有将深度学习融入机器人领域的新尝试?

地址：http://www.17bianji.com/lsqh/34649.html

 1/2    1