物体识别是指识别图像或传感器扫描中的内容。那是人、汽车、咖啡杯还是缺陷？机器人需要知道它正在识别的是什么，才能决定采取什么行动。识别是感知的第一步。

早期的系统使用手工提取的特征：边缘、角点、纹理。它们适用于特定物体，且光照条件受控。深度学习彻底改变了这一切。卷积神经网络从标记数据中学习特征。经过数百万张图像训练的网络，在基准测试中能够以超乎人类的准确率识别数千种物体类别。但在实际应用中，当光照变化、物体重叠或相机移动时，性能会下降。

目标识别任务

• 分类：图像中是什么？
• 检测：它在哪里，它是什么？
• 分割：哪些像素属于该对象？
• 姿态估计：它的朝向如何？
• 追踪：它随时间推移移动到哪里？

机器人可以利用识别技术从料箱中拣选特定零件、避开行人或检查焊缝缺陷。挑战在于泛化能力。在晴朗的白天图像上训练的网络在夜间可能失效。在一个工厂的零件上训练的网络在另一个工厂的零件上可能失效。数据收集和增强与模型架构同等重要。最佳系统将深度学习与几何推理和传感器融合相结合。摄像头识别物体，激光雷达确认其位置，力传感器确认抓取动作。识别不仅仅是“看到”，更重要的是理解机器人需要知道的信息。