4月12日从中国科学院沈阳自动化研究所了解到，该所的机器人学国家重点实验室提出一种连续多视角任务学习算法，可以让机器人更快认知不同世界，有效解决了目前大部分多视角任务学习模型不能满足机器人快速学习新任务的问题。

据该实验室科研人员介绍，目前，多视角多任务学习在机器学习和计算机视觉领域已得到广泛应用，然而在诸多实际场景中，当多视角学习任务按序列顺序到来时，重新训练以前的任务在这种终身学习场景中会产生较高的存储需求和计算成本。

为应对这一挑战，科研人员在该项研究中提出一种集成了深度矩阵分解和稀疏子空间学习的连续多视角任务学习算法，这种深度连续多视角任务学习不仅能让机器人实现较高的认知准确率，同时还能保持较高的学习效率。