机器人4.0时代来临！四大核心技术助推大规模商用部署(12)_图1

2、持续学习和协同学习

在机器学习方面，机器人 3.0 主要是采用基于大量数据进行监督学习的方法，这也是目前机器学习的主流方法，而在机器人 4.0，还需要加上持续学习和协同学习的能力，才能使得机器人能够适应更复杂的应用场景。

在 3.0 时代，服务机器人可以做到一些基本的物体识别、人脸识别，但由于机器人应用对感知识别的正确率要求很高，尽管这些方法在别的要求不高的领域已经可以满足应用需求（例如互联网搜索有 80%的正确率就够了），但对于机器人应用而言则远远不够。第一是机器学习所固有的鲁棒性方面的问题，深度学习方法也不能幸免，识别结果可能出错，而且出错的时候系统也不知道自己错了，这样就可能造成服务的失败和错乱。

例如人需要机器人取东西 A，而机器人却取了东西 B, 轻则闹笑话，引起用户不满，严重的可能会造成对用户的伤害（比如取错药品的情况)。鲁棒性的问题是目前所有机器学习方法自身的一个通病，因为训练数据中总是存在着长尾数据无法被准确识别，该问题很难通过现有的监督学习方法在部署产品前就解决。第二是数据不足，这也是现实应用中普遍出现的情况，例如用人体特征进行身份识别的时候需要大量的数据（几百张以上的不同人体姿态、角度的照片），而这些数据又无法事先获得。总结下来，这两方面的问题都和缺少数据直接相关。