豐田研究院（Toyota Research Institute，以下簡稱TRI）研究并推出了一款機器人“艦隊學習”系統(tǒng)，并將其首先應用在輔助家用方面。2015年，TRI首席執(zhí)行官吉爾·普拉特（Gill Pratt）表示，機器人技術爆炸的關鍵在于云機器人技術和深度學習的結合。這就是所謂的“艦隊學習”：使一個機器人能夠從人或模擬中學習執(zhí)行任務，然后與所有其他機器人共享該知識，以便他們可以在新情況下執(zhí)行任務，那么就可以實現(xiàn)機器人功能呈指數(shù)級增長。簡單說，就是讓機器人在不斷迭代升級的過程中，與其他機器人共享學習成果。在真實場景中測試是實現(xiàn)艦隊學習并確保能夠保持機器人可靠性的關鍵因素。此外，人類教學也是讓機器人更加智能可靠的方式，機器人可以通過人類老師學習到執(zhí)行任務的能力，利用人類的智力和洞察力來指導機器人的身體控制。為了幫助激發(fā)機器人“艦隊學習”的能力，TRI提出了一項研究挑戰(zhàn)，通過教導機器人使其能在實際家庭中執(zhí)行有用的人類級任務。對于機器人來說，在家庭環(huán)境中進行操作和導航是非常困難。因為每個房屋都是唯一的，具有不同配置的對象的不同組合，而且這些組合可能會隨時間變化。為了解決機器人在家庭環(huán)境中面臨的多樣性，TRI通過人類教導機器人執(zhí)行具有各種對象的任意任務（如抓取物品、開關門等），而不是通過編程使機器人執(zhí)行具有特定對象的特定預定義任務。通過這種方式，機器人學會了將所看到的與所學的動作聯(lián)系起來。當機器人再次看到特定的對象或場景時，即使場景略有變化，它也知道可以對看到的東西采取什么動作。人類老師可以通過機器人的傳感器在電腦屏幕前以3D方式看到機器人實時觀看的內容。人類老師可以選擇不同的行為對機器人進行指導，然后對其進行注釋，將場景的各個部分與行為相關聯(lián)，例如教會如何握住手柄并打開冰箱門。機器人自身通過傳感器會不斷感知周圍環(huán)境，預測安全路徑，然后根據(jù)這種理解來制定行走或運行路線。新的深度學習方法直接從視覺輸入中計算出低水平的動作，這需要機器人執(zhí)行任務的大量數(shù)據(jù)。教學系統(tǒng)只需要了解正在執(zhí)行的行為相關的周圍事物，不需要提前輸入對象模型或地圖，就可以教導機器人將行為和任意場景、對象和語音命令相關聯(lián)。目前，TRI的系統(tǒng)可以成功地執(zhí)行約85％的相對復雜的人類級任務。每個任務由大約45個獨立的行為組成。 機器人“艦隊學習”系統(tǒng)的應用場景這種“艦隊學習”系統(tǒng)可以輕松地擴展并應用到家庭以外的其他環(huán)境。例如可以快速而遠程地指導工廠中的工業(yè)部門執(zhí)行重復的制造任務，或者快速調整物流機器人的包裹揀選任務等等。
