#科技茶话会# 1.信息处理能力更强、成本更廉价、

#科技茶话会# 1.信息处理能力更强、成本更廉价、计算更普世：传统的机器人或者机器臂大部分在处理单一模态数据，如工厂机器臂，根据传感器获取厂件具体位置信息，然后做机械化操作而如今在深度学习加持下，计算机系统能更加深入地理解接收到的数据信息，并且能理解不同模态的数据信息，如语音数据通过语音识别转化为文字信息，计算机通过自然语言技术理解交互意图，同时辅助视觉信息，定位真实空间，经过强化学习训练好的强大的决策系统决策后，发布行为指令到机器人各个不同的行为控制组件，协同完成相关行为，在这之中，深度学习相当于大脑通过外界不同的数据来理解周围场景状态信息以及交互者意图，要想完成这样的任务：首先， 必须结合机器人服务场景来定制不同能力，个人不认同类似于《机械姬》“艾娃”这样所谓通用的人工智能，场景定制化的能力必须搭配适合的深度学习方案；其次， 随着深度学习模型越来越复杂，模型计算耗时更大，如果在部署侧快速反馈结果变得十分重要，目前模型的部署主要包括云端部署与边缘部署，前者通过网络传输数据到数据中心，然后数据中心计算结果反馈，网络的传输的不确定性会导致整体结果反馈的不确定性，所以边缘部署在模型确定性要求较高的场景下会更加流行，而在边缘部署场景下，深度学习技术本身的挑战在于能耗、耗时、模型资源占用等等方面，也从一定程度上去约束基于机器人场景的深度学习技术的发展；最后， 机器人方案成本控制：机器人成本是抑制本身发展，合理控制组件的成本，是保证机器人发展的前提，而在引入深度学习方案之中，也需要合理考虑成本方案：更廉价的芯片，满足场景需求下复用已部署的技术基础设施；2.让仿真环境更仿真，目前在很多机器人尤其是机器臂行为控制上采用了仿真学习环境，通过深度强化学习到如何更好地完成行为控制，而仿真环境一定程度上决定行为控制的好坏，如何在将复杂的现实空间映射到仿真环境并且保证质量也是要关注的；