演 講 者:李濬屹 教授
演講紀實
「從虛擬的世界轉換到真實世界，有一些點需要克服。」李濬屹老師在今年(2021年)12月10日於臺大資工系的演講中，提及如何讓智慧機器人從虛擬空間的模擬轉換到真實世界當中。機器人這門學問包含了相當多的知識，從軟體層面來看，如何做好電腦視覺以及控制等等都是相關的課題。
機器人實際在真實世界使用之前，可以先透過虛擬空間的模擬，來訓練機器人移動的模型，然而，李濬屹老師指出，虛擬世界和真實世界差異相當大，不論是光線、質地、形狀、陰影等，都會讓模型彷彿進入到新的世界一樣。而這個虛擬世界和真實世界的差異，又稱為「domain gap」。
為了解決這個差異，目前有幾種解決的辦法，李濬屹老師所關注的方法是「intermediate representation」這種類型，可以利用其他的資訊，例如深度地圖(depth maps)、語義切割(semantic segmentation)等等。讓模型得到更多不同的資訊。以「semantic segmentation」為例，在真實世界當中或是虛擬世界訓練模型的時候，採用這種方法可以讓兩個世界當中的資訊變得十分相似。不過，這個方法還是有缺點，在一開始製作標籤的時候，必須要人工作業，而且是一個像素一個像素上色，十分消耗成本。
另外，李濬屹老師也提出了一些新的想法，比方說在一個研究當中，李老師的團隊注意到每個模型可能都有不一樣的「專長」，有的模型有較高的準確度能辨識道路、有的能辨識車子、有的能辨識家具等等，所以他們將這些模型串接起來，變成更大的模型，提升了整體的辨識表現。
而關於讓代理者可以找出路線的方法，李老師的團隊思考了一些讓代理者有「內在動機」的方法。過去做增強學習的方法採取的是「避罰就賞」的邏輯，讓代理者學會如何找出正確的路徑。但加入「內在動機」的方法是希望給模型「好奇心」，鼓勵模型去探索環境，讓模型可以更勇於移動。
在演講中，李濬屹老師提到了相當多電腦視覺的應用，主要都是可以應用在智慧機器人的方法，為了讓機器人可以更好的移動，甚至擁有如同人類一般的知覺，還需要思考更多不同的架構與模型。