華人團隊獲最佳論文、最佳系統論文，CoRL獲獎論文出爐
自 2017 年首次舉辦以來，CoRL 已經成為了機器人學與機器學習交叉領域的全球頂級學術會議之一。CoRL 是面向機器人學習研究的 single-track 會議，涵蓋機器人學、機器學習和控制等多個主題，包括理論與應用。
2023 年的 CoRL 大會于 11 月 6 日至 9 日在美國亞特蘭大舉行。據官方數據透露，今年來自 25 個國家的 199 篇論文入選 CoRL，熱門主題包括 manipulation、強化學習等。雖然相比于 AAAI、CVPR 等大型 AI 學術會議，CoRL 的會議規模還相對小很多，但隨著今年大模型、具身智能、人形機器人等概念的火熱，CoRL 會議上的相關研究也非常值得關注。
目前，CoRL 2023 官方已公布最佳論文獎、最佳學生論文獎、最佳系統論文獎等獎項。接下來，我們將為大家介紹一下這些獲獎論文。
最佳論文
- 論文：Distilled Feature Fields Enable Few-Shot Language-Guided Manipulation
- 作者：William Shen, Ge Yang, Alan Yu, Jensen Wong, Leslie Pack Kaelbling, Phillip Isola
- 機構：MIT CSAIL、IAIFI
- 論文地址：https://openreview.net/forum?id=Rb0nGIt_kh5
論文簡介：當前，自監督和語言監督的圖像模型已經包含豐富的世界知識，這對于泛化來說非常重要，但圖像特征是二維的。我們知道，機器人任務通常需要對現實世界中三維物體的幾何形狀有所了解。
該研究利用蒸餾特征場（Distilled Feature Field，DFF），將準確的 3D 幾何圖形與來自 2D 基礎模型的豐富語義結合起來，讓機器人能夠利用 2D 基礎模型中豐富的視覺和語言先驗，完成語言指導的操作。
具體來說，該研究提出了一種用于 6-DOF 抓取和放置的小樣本學習方法，并利用強大的空間和語義先驗泛化到未見過物體上。使用從視覺 - 語言模型 CLIP 中提取的特征，該研究提出了一種通過開放性的自然語言指令對新物體進行操作，并展示了這種方法泛化到未見過的表達和新型物體的能力。
這篇論文的兩位共同一作是 CSAIL 「具身智能」團隊的成員 William Shen 和楊歌，其中楊歌是 2023 年 CSAIL 具身智能研討會的共同籌辦人。
機器之心曾詳細介紹過這篇研究，請參考《大模型加持的機器人有多強，MIT CSAIL&IAIFI 用自然語言指導機器人抓取物體》。
最佳學生論文
- 論文：Robots That Ask For Help: Uncertainty Alignment for Large Language Model Planners
- 作者：Allen Z. Ren, Anushri Dixit, Alexandra Bodrova, Sumeet Singh, Stephen Tu, Noah Brown, Peng Xu, Leila Takayama, Fei Xia, Jake Varley, Zhenjia Xu, Dorsa Sadigh, Andy Zeng, Anirudha Majumdar
- 機構：普林斯頓大學、Google DeepMind
- 論文地址：https://openreview.net/forum?id=4ZK8ODNyFXx
論文簡介：從逐步規劃到常識推理，大型語言模型（LLM）展現出大量在機器人領域未來可期的能力，但 LLM 存在幻覺問題。
基于此，該研究提出了一種新框架 ——KnowNo，用于度量和對齊基于 LLM 的規劃器的不確定性。它能夠使 LLM 意識到哪些信息是未知的，并在有需要時求助。
KnowNo 建立在共形預測（conformal prediction）理論的基礎上，為任務完成提供統計保證，同時能夠最大限度地減少多步驟規劃任務中的人工干預。
該研究在各種模擬和真實機器人實驗中，用各種模式的不確定任務（包括空間不確定性、數字不確定性等等）對 KnowNo 進行了測試。實驗結果表明， KnowNo 在提高效率和自主性方面表現出色，優于基線，并且安全可信。KnowNo 能夠在不進行模型微調的情況下直接用于 LLM，為模型的不確定性提供了一種有效的輕量級解決方法，并能夠與基礎模型不斷增強的能力相輔相成。
最佳系統論文
- 論文：RoboCook: Long-Horizon Elasto-Plastic Object Manipulation with Diverse Tools
- 作者：Haochen Shi, Huazhe Xu, Samuel Clarke, Yunzhu Li, Jiajun Wu
- 機構：斯坦福大學、UIUC
- 論文地址：https://openreview.net/forum?id=69y5fzvaAT
論文簡介：人類擅長制造和使用各種工具，但對于機器人而言，理解如何有效使用工具，并在相應的物體上完成操作仍然是一個很大的挑戰。該研究構建了一個名為 RoboCook 的智能機器人系統，該系統能夠通過各種工具感知、建模并操縱彈塑性物體（elasto-plastic object）。
RoboCook 使用點云場景表征，利用圖神經網絡（GNN）對工具與物體的相互作用進行建模，并將工具分類與自監督策略學習相結合，以制定操作計劃。
該研究表明，對于每個工具，僅需 20 分鐘的現實世界交互數據，RoboCook 就能學會并操縱機械臂完成一些復雜的、長時程的彈塑性物體操作任務，例如制作餃子、字母餅干等。
實驗表明，RoboCook 的性能大大優于現有 SOTA 方法，對嚴重的外部干擾也能表現出穩健性，對不同材料的適應性也較強。
值得一提的是，這篇論文的共同一作分別是來自斯坦福大學的博士生 Haochen Shi、原斯坦福大學博士后研究員、現清華大學交叉信息科學研究所助理教授 Huazhe Xu，論文作者之一是姚班校友、斯坦福大學助理教授吳佳俊。
獲獎論文完整入圍名單
