過去3年，深度學習在計算機視覺領域取得了巨大成功。其中，在物體識別和檢測、場景分類、根據圖像生成文字描述等領域表現尤為突出。不過，深度學習在機器人視覺領域的表現還相形見絀。

　　雖然深度學習在機器人根據視覺引導進行抓取和控制方面得到了很好的應用，但目前還沒有在機器人領域成為主流。而且，在去年的RSS、ICRA等重大國際機器人會議上，很多著名的研究者對深度學習技術在機器人場景中的應用能力公開提出了質疑。

　　因此，本屆RSS2016，主辦方特地舉辦了一場小型研討會，探討深度學習在機器人技術中的應用及局限(Are the Sceptics Right? Limit sand Potential sofDeep Learning in Robotics)。雖然只是一個小型研討會(workshop)，但主辦方也邀請到機器人技術、深度學習和計算機視覺領域三方面的專家。其中，有的是在深度學習技術出現后很快就將其應用于自己在機器人技術相關領域，也有著名的“深度學習懷疑論者”。

　　下文作者是倫敦帝國理工大學戴森機器人實驗室博士生John McCormac。McCormac的導師Andrew Davison是倫敦帝國理工大學計算機系主任，領導該校機器人視覺研究小組，同時也是戴森機器人實驗室的負責人。McCormac的研究方向是使用深度學習進行三維語義分割和場景理解。

　　最后，Pieter Abbeel直接問“誰是深度學習懷疑論者”，現場參加討論的150到200多人中，包括聽眾和講者，只有大約5到10人舉起了手。而且，這些懷疑論者在被問道時，還都對深度學習表示了肯定，認為這種技術是研究機器人的重要工具之一。

　　讓人對深度學習產生懷疑的大致有兩點：一是在一些特定情境下無法確保做出規定動作，二則是深度學習在很多方面缺乏可解釋的不確定性測量手段。

　　LarryJackel提出了衡量一個人是否是“深度學習懷疑論者”的標準：按正常情況預計，未來10年自己會不會使用神經網絡。如果你的答案是“不會”，那么你就屬于深度學習懷疑論者陣營。

　　在OliverBrock逼問之下，Pieter給出了一個更寬泛的解釋，稱深度學習提供了一個工具包，機器人技術研究者有望利用這個工具包實現更通用的智能機器人。有人表示如今對深度學習熱潮有可能是寒冬降臨前的爆發，但Pieter認為這不大可能發生，鑒于很多大公司已經使用深度學習盈利，比如谷歌的廣告系統。

　　與會者普遍對深度學習采取實用的態度：機器人技術研究者要做的，是提出先驗約束和模型約束，而深度學習則是之后再去解決這些約束造成的問題。