图：Amazon Robotics
本文编译自RE?WORK，该组织采访了Amazon Robotics机器学习团队的核心软件开发工程师Abdelrahman Ogail，该负责人透露了很多有关亚马逊对于机器人的看法和理解，我们一起来看看！
生产系统对可靠性和鲁棒性的期望越来越高，这个难题一直存在，越来越多的公司尽可能地使用人工智能来缓解劳动和财务压力。
深度学习的最新进展已经使复杂的机器人任务成为现实，比如像感知、导航和操纵等，这些成果都很有前途。这些发展吸引了像亚马逊这样的仓储公司，在其巨型实施中心创建自主的机器人解决方案，使他们能够使客户订单包装和运输自动化。
亚马逊以人工智能技术而闻名，自2012年收购Kiva Systems以来，专门从事机器人仓储，他们通过引进大量的与人机合作的机器人，彻底改变了工作环境。电商通过使用无人机，同时增加委托给机器的工作量，在未来，继续使亚马逊的仓库和交付过程更加高效。
Abdelrahman Ogail是AmazonRobotics核心机器学习团队的软件开发工程师，负责深度学习技术和软件架构，涉及亚马逊物流中心实施这些自主机器人任务。
以下是专访内容：
Q：请告诉我们您在亚马逊的角色。
A：我是Amazon Robotics机器学习核心团队的软件开发工程师。在此之前，我是微软Azure团队的软件工程师，在华盛顿大学攻读硕士学位的期间，将强化学习技术（reinforcement learning）应用于非确定性随机规划和调度任务的自主agent中。
Q：什么时候开始深度学习工作的？
A：我一开始便使用强化学习技术，基于案例的自适应agent。后来，我开始研究深度学习，结合强化学习，研究深度强化学习技术。在Amazon Robotics，我第一次使用深度学习，是将其用于机器人感知的图像分类任务。
Q：机器人近期进步的关键因素是什么？
A：深度学习（也就是上世纪90年代的神经网络和70年代中期的控制论），它的基本思想（如反向传播、梯度下降等）已经存在了很长时间。深度学习的最新突破是由于大量的训练数据集、强大的计算机硬件，以及数字计算和深度学习框架（如TensorFlow、Caffe、MxNet，以及Facebook近期的Caffe2）的开发。深度学习的进步为几项计算机视觉任务铺平了道路，从而获得了更好的机器人视觉和感知精度。最先进的图像和物体识别技术可以解决常见的感知任务，例如无人驾驶的汽车检测。在操纵和抓住过程的最后，引入深度强化学习，在这一领域开辟了新的视野，最近的研究表明，机器人只需2.5小时的训练，就能学会如何打开门！
Q：对于未来几年的研究人员和科学家来说，你认为哪些挑战最有意义？
A：从鲁棒性和安全性的角度来看，将在生产环境中深度学习与智能机器人融合，实现与人类并肩工作是非常具有挑战性和棘手性。举例来说，具有99％精度的行人探测器的无人驾驶汽车都是不能上路的，因为这意味着，在100名行人中，无人驾驶汽车都可能会错过检测到一个行人。
实现完全、独立、端到端机器学习的机器人解决方案，又可以与人类交互，需要完全准确、稳健和稳定的算法，几乎不会错误一次。这是该领域最有趣和最具挑战性的任务之一。
Q：在未来的几年里，你认为哪些行业受机器学习影响最大？
A：软件和技术行业正在迅速发展，离硬编码和启发式的经典算法的开发原来越远。大多数科技公司意识到，机器学习带来的价值有多大。公司应采用完整的团队，聘任相应机构，使决策者和软件工程师能够在日常工作中利用机器学习。
Q：Amazon Robotics未来将会看到什么？
A：Amazon Robotics正朝着设计全自动化物流中心的方向上发展，并继续推进自主智能生产机器人领域的研发。AmazonRobotics大规模部署机器人，一个普通的物流中心拥有超过15000个机器人，所有这些机器人都在地板上移动。Amazon Robotics是一家以客户为中心的公司，旨在尽量减少Amazon.com客户订购包装和运输的成本和时间。
来源：RE?WORK
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
