近日，机器人领域知名会议 RSS（Robotics: Science and System）公布了今年的最佳论文、最佳学生论文、杰出审稿人、时间检验奖等重要奖项。其中，最佳论文奖和杰出审稿人奖都由华人学者摘得。

受疫情影响，今年的 RSS 于 7 月 12 日至 16 日在线上举办，分为 Keynote、Workshop、Tutorial 等多个环节。在 Keynote 环节，美国宇航局喷气推进实验室高级研究科学家兼计算机视觉小组主管 Larry Matthies 介绍了「毅力号」火星车在登陆火星之后取得的进展。在 Workshop、Tutorial 等环节，来自多个研究机构的学者探讨了机器人视觉学习与推理、GPU 加速的机器人学习与控制等话题。相关视频可以在 Youtube 等平台找到。

最佳论文奖
论文：TARE: A Hierarchical Framework for Efficiently Exploring Complex 3D Environments

  • 论文主页：https://roboticsconference.org/program/papers/018/

  • 作者：Chao Cao、Hongbiao Zhu、Howie Choset、Ji Zhang

  • 机构：CMU

 

让机器人在复杂的 3D 空间中自主探索是一个颇具挑战性的问题，因为它需要同时完成两项任务：1）在线更新环境表示，以跟踪已探索的区域；2）搜索连续可遍历路径的表示，以引导机器人探索未知区域。
在这篇论文中，研究者提出了一种在复杂 3D 环境中自主探索的方法，其探索速度比当前的 SOTA 方法还要快。具体来说，该方法使用了一种分层框架：第一层在局部规划范围内保持环境的高分辨率表示并计算详细路径；第二层在全局范围内保持环境的低分辨率表示并计算粗略路径。

该架构表明，在机器人附近进行详细的数据处理是最高效的，牺牲远离机器人区域的细节计算可以提高计算速度。该方法根据路径的长度优化整个探索路径。此外，局部区域的路径在运动动力学上是可行的，机器人可以遵循该路径快速前进。
在实验中，该系统通过地面和空中机器人，自主探索了高维、复杂的室内外环境。与 SOTA 方法相比，该方法的探索效率（每秒平均探索量）提高了 80%，但消耗的算力还不到 SOTA 方法的 50%。

该论文的第一作者 Chao Cao 本科毕业于香港大学，目前在卡内基梅隆大学读博，研究兴趣主要集中在机器人导航和运动规划。除了日常科研之外，他还在领导 DARPA 地下城市挑战赛 Team Explorer 竞赛的规划工作。

 

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