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。

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

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，可以学习用机器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。


第一作者介绍

论文作者 Tao Chen2016 年本科毕业于上海交通大学，2019 年在 CMU 机器人学院获硕士学位，导师为 Abhinav Gupta。现在是 MIT CSAIL 博士生，导师 Pulkit Agrawal 也是这项研究作者之一。此前，Tao Chen 还有多篇论文被 RSS 2021、ICRA 2021 等顶会接收。

 

最佳论文候选列表

 

 

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（例如投掷）通过提高运动效率并有效扩大物理触及范围，在人们与可变形物体的日常互动中发挥着至关重要的作用。先前大多数工作都使用专门的单臂准静态（quasi-static）动作来处理布料操作（例如铺床单、叠衣服），这需要大量交互来初始化布料的配置，并严格限制了机器人可操纵的最大布料尺寸。在这项工作中，研究者提出了一种自监督学习框架 FlingBot，证明了动态甩动动作对布料展开的有效性。该方法从视觉观察结果中学习了如何使用拾取、拉伸和甩动几个原型动作，使得机器人能够通过控制双臂的设置从任意初始配置展开一块织物。最终系统在新型布料上的 3 个动作内实现了超过 80% 的覆盖率，可以展开比系统覆盖范围更大的布料。尽管该研究仅在矩形布料上训练了模型，但这种方法仍然可以泛化到 T 恤，继而用于展开叠取衣物。

该研究还在真实世界的双臂机器人平台上对 FlingBot 进行了微调，使得它比准静态基线增加了 4 倍以上的布料覆盖率。FlingBot 展示出超越准静态基线的卓越性能，并表明了动态动作对可变形物体操作的有效性。

论文链接：https://arxiv.org/abs/2111.03043

 

最佳系统论文列表

内容中包含的图片若涉及版权问题，请及时与我们联系删除