SLAM會被深度學習方法取代嗎？

日益感受到本身對深度學習的理解比較膚淺，這段且當作是之前的認識。

上上週去圍觀了泡泡機器人和AR醬聯合舉辦的論壇。在圓桌階段，章國峯老師提了一個問題：SLAM會被深度學習方法取代嗎？這是一個頗有趣的話題。參會的各位大咖基本認爲SLAM的某些模塊有可能會被深度學習的方法取代，但SLAM自己不會被取代。視＋的CEO則認爲SLAM總體上會被深度學習取代。

個人觀點更傾向於前者。略有不一樣之處是，我認爲整個前端（或者說是VO）有可能會被深度學習方法取代，然後端則不會。

前端的理由有兩點：

• 前端是一個適合深度學習處理的問題。其輸入通常是連續圖像（或者其它傳感器數據），輸出是一個六自由度信息。前端有標準的數學模型，而且不算複雜，能夠用神經網絡來表述。
• 深度學習方法有可能可以解決目前算法的侷限性。無論是特徵點法仍是直接法，前端仍處於low level feature的階段，而low level feature不能知足實際應用中對魯棒性、場景可擴展性的需求。而深度學習方法的優點正是研究人員沒必要再費心於low level design。目前也已經出現用深度學習作stereo feature matching的工做，也有用神經網絡作計算視覺幾何的工做，未來也許能夠實現端到端的輸入輸出。

目前我還有兩個沒想清楚的問題

• 現有VO算法中的Consistency問題，不知道深度學習方法可否隱式地解決。
• 多模態的數據融合是否是能夠比如今作的更好（和上面一條也有必定關係）。

至於後端，目前基於圖的表示已經能夠準確地表述和高效地求解BA問題。在SLAM實時性要求比較高的狀況下，深度學習未必能作得更好（畢竟它也是用迭代算法求解的）。而對於離線數據，SFM已經能夠作得很好了。機器學習方法若是能從新表述data association問題，高效求解並取得更好的結果，纔會有可能取代目前的算法。