仇秋飞，周武源，雷良育，吴叶青，崔银江，陈 登

(1.浙江省科技信息研究院，浙江 杭州 310006；2.浙江农林大学 工程学院，浙江 杭州 310006)

0 引 言

深度学习(Deep Learning，DL)是机器学习的一种，其算法基于对数据进行表征学习，能够发现大数据中的复杂结构，利用反向传播指导机器如何从前一层网络计算表征，从而改变每一层的内部参数[1]。深度学习的目的是让机器人(Robotics)具有与人一样的分析学习能力，因其能够增强机器人的感知、决策与控制能力[2]，在机器人的图像识别[3]、目标识别[4]、姿态估计[5]、路径规划[6]、人机交互[7]等方面具有广泛的应用前景，并取得了很多成果。

随着人工智能(Artificial Intelligence，AI)、大数据、云计算等技术的兴起，机器人技术经历了从预编程式，到自主式，再到智能式的三阶段发展历程，现已进入智能机器人发展时代[8]。深度学习与机器人学的交叉学科(Deep Learning in Robotics，DL-R)是近五年来极其活跃的研究领域，学术成果呈爆发式增长。深度学习技术的发展将进一步推动机器人的智能化发展，已有相关文献对此进行了综述，如Pierson等人[9]介绍了DL在机器人学应用的研究进展，讨论了DL的优点及局限性；王乾铭等人[10]基于DL设计了个性化聊天机器人的对话系统，使用了深度LSTM结构并且加入注意力机制使其能更好地适应不同长度的问句。这些综述主要针对领域内的研究内容进行铺陈式叙述和梳理，未能指出DL在智能机器人中应用的整体发展态势，挖掘出DL-R交叉学科的研究重点与热点。

由爱思唯尔(Elsevier)推出的新一代科研分析管理工具(SciVal)可为科研决策提供循证依据，已见于学科分析、人才绩效评价等方面的应用[11]。……