豐田研究所（以下簡稱TRI）研究並開發了機器人“艦隊學習”系統，並將其首先應用在家庭用輔助方面。 2015年，TRI首席執行官吉爾·普拉特（吉爾·普拉特）表示，機器人技術爆炸的關鍵在於雲機器人技術與深度學習的結合。這個系統 使機器人能夠學習或模擬人執行任務，然後與所有其他機器人共享該知識，以便他們可以在新情況下執行任務，然後可以指導其它機器人工作的功能。簡而言之，就是讓機器人在迭代升級過程中與其他機器人共享學習結果。
在實際場景中進行測試是實現人工智能學習並確保機器人可靠性的關鍵因素。此外，人工教學也是使機器人更加智能和可靠的一種方式。機器人可以通過學習人類老師執行任務，並利用人類的智慧來指導機器人的身體控制。為了更好地幫助激發機器人進行學習，TRI提出了一個新的方法，就是通過教機器人在現實家庭中執行人類級任務。
對於機器人而言，在家庭環境中進行操作和導航非常困難。由於每個房屋都是唯一的，因此存在具有不同配置的對象的不同組合，並且這些組合可能會隨時間變化。為了解決機器人在家庭環境中面臨的多樣性，TRI教導機器人對各種對象（例如，抓取項目、等）執行任意任務，而不是通過編程來使機器人能夠對特定對象執行特定的預定義對象。通過這種方式，機器人學會了將看到的東西與正在學習的東西聯繫起來。當機器人再次看到特定的對象或場景時，即使場景略有變化，它也知道可以對看到的內容採取什麼操作。
老師可以通過計算機屏幕前的機器人傳感器以3D形式實時查看機器人，老師可以選擇不同的行為來引導機器人，然後對其進行註釋，並將場景的各個部分與行為相關聯，例如教堂如何握住手柄並打開冰箱門等。機器人本身會通過傳感器不斷感知周圍環境，預測安全路徑，然後根據此理解來制定步行或跑步路線。新的深度學習方法直接從視覺輸入中計算出低水平的動作，這需要機器人執行任務的大量數據。教學系統只需要瞭解正在執行的行為相關的周圍事物，不需要提前輸入對象模型或地圖，就可以教導機器人將行為和任意場景、對象和語音命令相關聯。
當前，TRI的系統可以成功執行大約85％的相對複雜的人員級任務；每個任務包含大約45個單獨的動作。
機器人“艦隊學習”系統的應用場景
這種“艦隊學習”系統可以輕鬆擴展，並應用於家庭以外的環境。例如，可以快速而遠程地指導工廠中的工業部門執行重複的製造任務，或快速調整物流機器人的包裹揀選任務。
閱讀更多 未來工業互聯網 的文章
