馬上要讀研了，有兩個方向，一是機器人路徑規劃、任務規劃，二是圖像處理、深度學習。這兩個選哪個好呢？

01-06

有可能讀博，但不打算從事科研。主要考慮以後的就業吧，非常感謝！
導師讓我暑期做調研，選個方向，我還在調研的起步階段，所以認識還不清楚。目前用深度學習做計算機視覺的研究室非常多，我們室也有這個方向，主要是遙感圖像的識別及相關；另有一位老師是做無人機和地面機器人的路徑規劃、任務規劃的。因此我會在這裡面選。
大家暢所欲言吧！
如果能從就業上比較一下就更好了

都是CS中非常熱門的專業方向，選擇自己喜歡的路線就好．

不過要釐清一下概念：
你說的實際上是....怎麼說呢...劃分的方式有點問題

1.路徑規劃: 這個主要是各種搜索演算法，人工勢能場，有時會輔以Fuzzy Logic等. 這個實際上是一個研究問題,

2.任務規劃: 這個主要是增強學習, 進化演算法, 決策樹等, 也有用人工神經網路的, 同上, 這個也屬於問題本身

3.圖像處理: 一般認為是演算法方向的計算機圖形學和計算機視覺, 是兩個非常大的題目, 裡面包含了許多的小的方向. 圖像處理不是一個具體的問題, 而是大量的研究問題及研究工具的集和

4. 深度學習. 這個主要包含的是現在比較熱門的人工神經網路這邊, 嚴格來說這只是一種工具, 當然你也可以研究深度學習本身, 但是深度學習是用來解決其他具體問題的, 比如上面的路徑規劃和任務規劃, 這些都可以用深度學習解決(當然也可以用其他演算法), 同樣, 圖像處理中的識別問題很多時候會用到深度學習中的卷積神經網路, 這也是用深度學習這個工具來解決問題的例子.

所以嚴格來分的話, 你應該把方向分為AI, Computer Vision或者Computer Graphics 這三者之一(我猜你是希望選前兩者之一)

然後, AI裡面包含了諸如Machine Learning ( ANN - Deep Learning, Genetic, Reinforcement Learning ..etc) Path Planning, Robotics Behavior, NLP等等 , Vision裡面則包括了諸如Object Recognition, Identification, Scene Reconstruction, Feature Extraction等等...不一而足

之後再進一步找自己喜歡的方向深入進去就好

勉強強答一下

本科有做過機器人現在方向深度學習。

其實機器人路徑規劃和避障研究也是一個很不錯的研究方向，我也申請過這方向的國創項目。有一些啟發式的演算法，我自己也有在模擬平台嘗試過強化學習的方法。現在方向深度學習計算機視覺。在做機器人競賽時候主要負責機器人視覺部分大概的背景就是這樣。

談談自己的看法。

機器人本身就是一個很交叉的方向，硬體通信步態控制能扯到的學科太多。也就是因為這點，實物機器人的發展一直受限，首先要同時做好這麼多方面本身就很難。我個人比較看好未來將強化學習部署到實物機器人上，當然這建立在機器人hardware層面已經十分成熟。

深度學習在很多領域都取得了許多成績，不過個人覺得，網路的推理能力還有待提高。舉個栗子，人就算閉上眼睛還是可以接著走一小會，而如果給網路輸入一張黑圖進去就很糟糕了。這個栗子可能不是很恰當。不過深度學習的火熱是由於它在很多領域都優於傳統的演算法，不過深度學習機器視覺不是把什麼精度刷到99%就解決了。

關於就業

說在學校有資源做機器人是不假，等工作後在學習深度學習這點我不能認同。如果你只是把深度學習完全當作一個黑箱，可能光調參數就夠你受的了。

如果你想快速就業，深度學習是個不錯的選擇，不過前提是你真的掌握了很好的基礎。只會跑model的很快會隨著第一批DL熱潮褪去被淘汰。

而做機器人開發方向也有非常多的公司在做。不過似乎DL的光環太亮。

總而言之，無論做什麼方向，興趣很關鍵。有passion做推動力，再去努力，會高效很多。

以上均為個人看法，歡迎大家討論

（手機寫這麼多不給個贊嗎）

謝邀

看了一下問題，不得不說，都比生物好太多了，如果是我任何一個能開心很久（雖然我個人不喜歡計算機，不過就業真的是沒的說）。

其實完全是行外人，所以是能就一點點知識回答了。如果讀博，感覺兩個方向各有千秋，跟導師和學校的專業影響力關係更大。這個留給專業人士解答。

如果不讀博，感覺後一個會好一些，因為學圖像處理的同學都說很好就業，深度學習又是現在演算法領域幾乎最火的行業。（但是第一個實在不了解，所以只能找自己了解的一個說了）。

本人入坑深度學習一年多（實驗室之前無人研究），感覺一直在用別人的代碼，一直在調參，要提出一種新的trick或者新的結構太難了（可能因為沒人指導有關），一年下來，除了會聊幾句，感覺啥也沒學到.　當有一個新的想法，準備開始搞，然後過幾天發現arxiv已經發表了．感覺研究深度學習得講究唯快不破．

現在只能改變想法，只去用它，不去研究它;

現在深度學習在運動規划上的應用也相當多了（那種端對端的無人車，youtube上大把大把全是），任務規劃也有（alphago就是一種任務規劃,東京大學有人提出的QMDP-Net　就是一個不錯的工作），最後推薦一個人：Sergey Levine　，把深度學習和機器人結合得簡直屌得不要不要的．總之往應用上靠，也是一種思路．

實際上這兩個方向息息相關，很可能在你後面實際做項目的時候兩個方向都需要涉及，因為我的方向就是這樣——一個智能體你要導航路徑規劃，那麼你必然要先對環境有建圖，對自身有定位。好了，這裡的建圖很可能是用視覺感測器。而當你在處理圖像識別場景的時候又不可避免的會用上深度學習等等方法工具。

從另一角度來說，這兩個方向要解決的問題做到最後往往都變成了最優化問題。

所以這兩個方向並不是矛盾的。

感覺你這兩個方向不衝突吧，機器人路徑規劃也能把圖像識別應用上。選機器人方向，可能學的東西要多一些，自己也可以輔修一些深度學習的東西，這樣可能對你更有利。不要把自己局限到某一個方向了，其實都可以去了解學習，你這兩個方向其實就是一個方向

我只想說motion planning別去搞，是個坑。我已經跳走了。別的都可以試試。

但是你要思考的不應該是選哪個坑，phd的終極目標是自己挖個坑讓別人來跳。找到你要研究的問題，是最重要的。

調研的話可以看看github上關於無人車的項目

關鍵詞 autonomous car dl cnn等

有時間的話自己搭一個移動平台會有一些收穫

果斷機器人方向，因為這類東西你只有在學校才有機會學習！深度學習嚴重不推薦，因為你以後有時間隨時可以自學，網上開源代碼教程數不勝數。

一張GPU你買得起，一台多軸機器人，呵呵。

剛保研的大四，居然和我的情況差不多！剛開始選的是一個做三維場景理解機器學習的老師，然後覺得和老師脾氣不太合，就換了一個做機器人導航路徑規劃的老師，新老師人很好。

我覺得深度學習現在太火了，以我目前的水平很難做出好的成果。相比之下機器人導航這塊好一些。碩士期間暫時觀望，先跟著老師做機器人，自己下面學著深度學習這一塊。等考博或者出國將來有一定水平了再換方向。

目前自己是這樣想的，不一定適合題主。可能自己目前的想法比較幼稚，請各位大神批評指正哈哈。

讀研一年了，現在也是糾結在這兩個方向上，實驗室是做計算機視覺方面的，具體做SLAM方向的，一直在考慮到底是SLAM還是路徑規劃，實驗室沒有路徑規劃方面的基礎，都得自己搞，不過聽一些師兄說，這兩個方向都是很有錢途的。。

和題主的情況很相似，但目前還不到畢業讀研，也在糾結，覺得兩個方向都挺有意思，題主怎麼選的呢？可以交流一下～

喜歡什麼就選什麼，都不喜歡那就考慮換個導師。兩個方向都可以讓你賺到錢

都可以，深度學習目前更加顯學化，路徑規劃目前也在快速發展中。