CoRL 2021 于 11 月 8-11 日线上举行,并颁发了多个奖项。来自MIT的研究者摘得本届 CoRL 会议的最佳论文奖,哥伦比亚等机构学者荣获最佳系统论文奖。

CoRL的全称为Conference on Robot Learning(机器人学习大会),顾名思义,这是一个以机器人和机器学习为主题的学术会议。 在CoRL官网,组委会这样描述举办CoRL的缘由: CoRL是一个新的以机器人学和机器学习为主题的年度国际会议。第一次会议已于2017年11月13日至15日在加利福尼亚州山景城举行,旨在汇聚约250名从事机器人学和机器学习领域的最优秀的研究者参会。 机器人技术,自主感知和控制领域正在经历一场机器学习革命,现在正是时候提供一个将机器学习的基本进展与机器人应用和理论的实证研究相结合的场所。 我们的目标是使CoRL成为机器人(机器)学习研究的首选大会。

https://www.robot-learning.org/program/awards_2021

最佳论文奖

本次荣获CoRL最佳论文奖的是来自麻省理工MIT研究人员

A System for General In-Hand Object Re-Orientationby Tao Chen, Jie Xu, Pulkit Agrawal

论文链接:https://www.zhuanzhi.ai/paper/f159e439e92ab96cdf71bc969d737658

由于手持式物体的高维驱动空间和手指与物体接触状态的频繁变化,手持物体的再定位一直是机器人技术中一个具有挑战性的问题。我们提出了一个简单的无模型框架,可以学习用手向上和向下重新定位对象。我们演示了在两种情况下在几何上不同的对象上重新定向的能力。学习到的策略在新对象上表现出较强的零样本传递性能。我们提供了证据,证明这些策略适用于现实世界的操作,方法是将它们提炼出来,使用现实世界中容易获得的观察结果。学习策略的视频可以在https://taochenshh.github.io/projects/in-hand-reorientation上找到。

最佳系统论文奖

本次荣获CoRL最佳系统论文奖的是来自哥伦比亚大学研究人员

A System for General In-Hand Object Re-Orientationby Tao Chen, Jie Xu, Pulkit Agrawal

高速动态动作(如投掷)通过提高我们的效率和有效扩展我们的物理接触范围,在我们与可变形物体的日常互动中发挥着至关重要的作用。然而,之前的大多数工作都是使用单臂准静态动作来处理布料操作,这需要大量的交互来挑战初始布料配置,并严格限制机器人的可及范围的最大布料尺寸。在这项工作中,我们用我们提出的自监督学习框架FlingBot演示了布料展开的动态投掷动作的有效性。

我们的方法学习如何展开一块织物从任意的初始配置使用挑,拉伸,投掷原始的双臂设置从视觉观察。最终的系统在新布料上3个动作就能达到80%以上的覆盖范围,可以展开比系统覆盖范围更大的布料,并可以推广到T恤,尽管只训练在矩形布料上。

我们还在一个真实世界的双臂机器人平台上对FlingBot进行了微调,在这个平台上,FlingBot的布料覆盖面积比准静态基线增加了4倍以上。FlingBot的简单性和它优于准静态基线的性能证明了动态动作对可变形物体操作的有效性。

https://www.zhuanzhi.ai/paper/64b3e89fedb8e0bcbff32d515f691cdd

成为VIP会员查看完整内容
8

相关内容

CoRL的全程为Conference on Robot Learning(机器人学习大会),CoRL是一个新的以机器人学和机器学习为主题的年度国际会议。大会的组织者包括来自UC Berkrley、Google、Microsoft、CMU、MIT、ETH、Deepmind等知名院校和知名企业的研究者和从业者,同时CoRL大会的举办还得到了机器人国际机构“三巨头”之一的国际机器人研究基金会(IFRR)和机器学习领域最好的期刊之一JMLR(Journal of Machine Learning Research)的支持。
【CORL2020最佳系统论文奖】可扩展多智能体强化学习学校
专知会员服务
17+阅读 · 2020年11月30日
CVPR 2020 最佳论文与最佳学生论文!
专知会员服务
35+阅读 · 2020年6月17日
Deflecting Adversarial Attacks
Arxiv
8+阅读 · 2020年2月18日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
Residual Policy Learning
Arxiv
4+阅读 · 2018年12月15日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
3+阅读 · 2018年6月24日
Arxiv
3+阅读 · 2017年11月12日
VIP会员
相关论文
Deflecting Adversarial Attacks
Arxiv
8+阅读 · 2020年2月18日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
Residual Policy Learning
Arxiv
4+阅读 · 2018年12月15日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
3+阅读 · 2018年6月24日
Arxiv
3+阅读 · 2017年11月12日
微信扫码咨询专知VIP会员