2016年APC中，固然很多人采取DL进行物体辨认，但在物体定位方面都照样应用比较简单、或者传统的算法。似乎并未广泛采取DL。

当然，今朝的几个工作都没有提到这点，Berkeley的那个论文里是直接做了一个强假设：在给定命据(当前图像、机械人关节状况)下，状况是可不雅的。

实际机械人操作中，体系状况可能跟情况有关(例如物体性质)，所以章一?问题应当是将来DL用在机械人上所不克不及绕过的一个问题。

数据量

是否可解决

直播的时刻我举了个例子，黑色障碍物地位大年夜左到右持续变更的时刻，筹划算法输出的最短路径会产生突变。(具体看视频可能会比较清跋扈)

这对应于DL中，就是收集输入持续变更、但输出则会在某一刹时突变。并且，最短路径可能存在多解等问题。

DL的 Function Approximattion 是否能很好地处理这一状况?

　　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