机器人的兴趣场景预测，是移动机器人的基本能力之一，虽然目前正处于探索阶段，但对于自主探索和决策等许多实际应用来说至关重要。我们希望机器人在未知的环境中不断探索新的事物，并对相似物体进行忽略，同时也希望机器人能够在短时间内从不平衡的数据中进行学习。

针对场景预测问题的研究，目前多为基于有监督的学习方法，其数据也需要有对应的标签信息。但移动机器人的实际操作环境往往是未知的，数据的标签信息很难获取，因此基于有监督的学习方法并不适用于移动机器人的场景预测问题。

无监督学习是机器学习的另一种方法，可以根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，因此可以很好的解决移动机器人兴趣场景预测中的数据标签难以获取的问题。同时通过动态的增量学习，即在线学习，可以在降低学习算法的空间复杂度和时间复杂度的前提下，达到很高的实时性。因此基于无监督的在线学习方式，可以很好的解决移动机器人的兴趣场景预测问题。

7月23日上午10点，智东西公开课邀请到CMU机器人学院博士后王晨参与由英伟达&惠普特约的「机器学习前沿讲座」第2讲。王晨博士将围绕《无监督在线学习在机器人关键场景预测中的研究与应用》这一主题进行直播讲解。

在本次讲座中，王晨博士将从移动机器人关键场景预测问题的背景出发，到著名的无监督在线学习DARPA SubT挑战赛，以及神经网络中广泛应用的视觉记忆和无监督在线学习的视觉记忆等进行深入的讲解。感兴趣的朋友千万不要错过！

王晨是卡内基梅隆大学机器人学院的博士后，主要研究领域为机器视觉。王博士2014年本科毕业于北京理工大学，2019年博士毕业于新加坡南洋理工大学，曾任腾讯高级研究员。