虽然“大数据”这个术语是相对较新，但其概念一直是机器人世界的一部分。
“机器人总是与数据有关。”卡耐基梅隆大学自主技术实验室主任阿图尔•杜布拉瓦斯卡说，“机器人的操作性定义是反复执行下面的三个阶段：感知，规划，行为。”
感测需要感知机器人的环境，以便它知道发生了什么它周围的，但它也需要在环境中的机器人的当前安置的自我意识。需要在复杂的环境中执行和规划预期的目标，保证可靠性，并采取是必要的行动和监测计划，以实现计划目标。
在世界各地的医院里，外科医生已经得到了机器人助手的帮助。“你可以想象，所有这些步骤都涉及非常密集的使用数据。”杜布拉瓦斯卡说。“我们有各种各样的传感方式，如距离测量传感器，位置，视觉，触觉传感器，另外还有其他方式，其中一些传感器将产生大量的数据。因此，机器人与大数据有着一起工作的悠久历史。”
机器人技术专家也一直在关注分析技术的发展。杜布拉瓦斯卡说。“感官数据和连接所通过规划的行动在某种意义上是感知-规划-行动循环的所有阶段，包括先进的处理和分析数据，”他说。“我们在很大程度上依赖于机器学习，统计学，优化，计算机视觉，以及借用分析方法，并以此命名与之密切相关的领域。”
但机器人专家偶尔拿出的最初设计是用来解决机器人的特定问题，如同步定位与地图（SLAM），这个原创技术后来被用于其他用途。
“机器人在环境中自身位置原本分离的过程，结合观测和模拟机器人的环境评估。”杜布拉瓦斯卡说，“它有自然的应用程序的问题，涉及不确定的工作人员和不断变化的环境中的态势感知。
对于大数据在机器人的功能方面的未来应用，杜布拉瓦斯卡并不认为大数据会对机器人成功进入商业和消费市场有什么特别改变游戏规则的影响。“鉴于大数据已经成为机器人范式的一部分。”他说。“我认为机器人的最终成功更多地取决于我们如何成功地解决在商业和消费空间中的重要问题，提供一个人们负担得起的，但却高度可靠的方式。”
杜布拉瓦斯卡表示，机器人技术和大数据将继续共存，并彼此相互促进。
“在过去的几年里，深度学习方法就是一个例子。它的出现似乎是大数据流行的副作用，而在涉及机器人视觉传感器的各种应用却不断取得成功。”杜布拉瓦斯卡说，“我们已经发现了使用神经网络的多种用途和新的方法，并在分析大型和复杂的数据流，以更好地应对机器人的挑战。而在少数情况下，机器人专家组成的社区对进一步的深度学习模式做出了贡献。”
编辑：HERO
