在本月晚些时候加入RE•WORK，在“机器人深度学习峰会”上发现AI和机器人技术的*新进展。

全球专家将通过人机交互，模仿学习，技能嵌入，机器人感知，渐进式神经网络，机器人抓地力和许多其他领域，探索人工智能与现实世界的交汇处。

我们为机器人和自动化新闻读者提供**折扣：使用代码RA20可获得20％的折扣。

峰会期待什么

2天的演讲和讨论
60位发言人
500多位与会者
互动研讨会
展厅入口
7 +小时的联网
早餐，午餐和点心
返工图片4
深度学习和强化学习领域的*新结果激发了对机器人技术可能应用的极大兴趣。

但是，在某些领域，机器人仍然不足。

Osaro首席执行官Derik Pridmore解释说：“人类能够从现实世界中的互动和经验中学习新技能。

“尽管AI已经在Go上击败了*优秀的人类玩家，并在许多视频游戏中实现了超人的性能，但是即使使用了数百万英里的行驶数据，当前使用高级DL技术的AI系统仍无法准确地在现实世界中导航汽车。

“在这种情况下，人类将不需要大量的经验-人们通过对物理对象和故意代理的常识来学习新技能。”

``即使使用数百万英里的行驶数据，当前使用高级DL技术的AI系统仍然无法在现实世界中准确地导航汽车。''

Osaro是一家机器学习公司，致力于开发采用深度强化学习技术的产品。在机器人深度学习峰会上，Derik将讨论该领域的*新进展以及工业机器人技术的现状。

来自First Star Ventures的Drew Volpe参加了2017年在旧金山举行的深度学习峰会，他说：“深度学习峰会汇集了来自学术界和工业界各个领域的出色人才，在技术和行业背景之间取得平衡。”

返工图像8作物
此次活动与工业自动化峰会上的AI共同举办，使与会者可以完全访问两种演示方式，并有机会探索更广泛的主题。

这是与从事机器人技术和制造业的行业领导者互动的独特机会。向500多家分享*佳实践的创新者学习并与其联系，以推进机器人技术的深度学习。

两次峰会汇集了业界和学术界，以分享他们的知识和专业知识，并由乔治·梅森大学和Google的教授兼客座研究科学家Jana Kosecka介绍了她在“机器人感知的语义理解”中的工作。

Kosecka解释了“机器人导航，获取和交付任务的进步在很大程度上取决于对周围环境的健壮，有效和可扩展的语义理解”。

深度学习推动了计算机视觉在对象类别识别，本地化和语义分割，利用大量标记数据以及大部分使用静态图像方面的快速进步。

Kosecka说：“在与机器人技术相关的室内和室外环境中解决这些问题既有挑战，也有机遇。

“这些方法包括使用深度卷积神经网络（CNN）进行语义分割和3D结构恢复的方法，大规模环境的定位和映射，使用合成生成的训练数据和3D对象姿态恢复的训练对象实例检测器。”

机器人与自动化新闻图片较小

互动会议 工作坊
圆桌讨论
所有演讲后的问答
小组讨论
炉边聊天
机器人角
才能与讲座
两条轨道上的其他经确认的发言人包括：

来自OpenAI的Josh Tobin分享了他在合成数据上的工作，这些数据用于机器人的感知和控制。
Google Brain的Pierre Sermanet讨论自我监督的模仿；
OffWorld的联合创始人兼CTO Alicia Kavelaars将讨论太空工业AI革命；
意表赵，联合创始人和iSee的谈论工程常识的CEO;
斯坦福大学机器人学博士和DL博士Animesh Gard，将讨论他在机器人通用极限方面的研究；和
还有很多。