点击下方
卡片
,关注
「3D视觉工坊」
公众号
选择
星标
,干货第一时间送达
来源:3D视觉工坊
添加小助理:dddvision,备注:方向+学校/公司+昵称,拉你入群。文末附3D视觉行业细分群
扫描下方二维码,加入
3D视觉知识星球
,星球内凝聚了众多3D视觉实战问题,以及各个模块的学习资料:
近20门视频课程(星球成员免费学习)
、
最新顶会论文
、计算机视觉书籍
、
优质3D视觉算法源码
等。想要入门3D视觉、做项目、搞科研,欢迎扫码加入!
来源:https://www.zhihu.com/question/541857109
作者:
Buoyancy
两周前刚和实验室参加完CORL回来,目前直观的感受是:
1、在CV方面CORL的质量显著高于ICRA, 但平均质量显然仍然低于CV顶会和ML三大顶会
2、其余robot learning,例如RL和planning方面不分上下
3、其他方向ICRA在广度和深度都仍然远超CORL。
硬要让人比较的话,我觉得在ML community里CORL=ICRA,在broader robotics community里大家更喜欢ICRA的广度。
CORL投稿者与CV社群大面积的重合既带来了高质量的CV+robot论文也带来了CV众所周知的一些问题。而非CV圈的learning文章,比如最近很多的从头到尾只要一个月的LLM+robotics文章,我没有看到显著的偏好。我无论是在学术界还是在Deepmind期间,大家决定CORL还是ICRA都单纯是取决于项目完成时间是暑假前还是暑假后。部分robot learning学者同时会做纯ML的研究,因此对ML会议有更强的偏好。而ML的会议中稿更难,所以经常会观察到很多robot learning研究者把投ML和CV会议屡次被拒的一些文章加一些机器人实验转投CORL和ICRA然后被接受。与此同时,非learning的机器人算法研究者们和硬件研究者们仍然迈着他们沉稳的步伐在ICRA推进着机器人的进步。
我觉得任何robotics学者,哪怕robot learning学者,也不会和另一位答主一样在综合比较上得出CORL远大于ICRA的结论,大家都是以平和的心态看这两个会议的。“learning” 是一种方法,而不是一个问题。所谓robot learning是用一类新方法解决robotics大问题的领域。ICRA是让所有流派用各自武功来解决一个问题,而CORL则更像一个最大门派内部的比武。CORL的大火本质上是因为计算机视觉(CV)学者朝机器人领域转向的大趋势,以及华人学者占据robot leanring半壁江山的现状。我会把另一个答主的回答改为:
水平robotic onlyRSS > ICRA = CORL > IROS; AI + robotics的中稿难度(不是水平) RSS > NeurIPS = ICML = ICLR > CORL = ICRA
另一个佐证是非CV界的robot learning大佬们的倾向。例如DRL大。佬sergey levine。一般大佬如果认为一个会议水平不是tier 1 的话是不会允许学生投的。Sergey的主页上清一色ICML, ICLR,Neurips;robotics会议清一色 RSS, CORL, ICRA 可见在robot learning领域这两个会并没有在tier上的区别。
最近波士顿动力送了组里一个带手臂的spot机械狗。spot不用任何learning策略就可以做到抓取任何物体几乎百发百中。回想2018年的时候我用当时被标榜能解决robotics的DRL训练了1e6次iteraction得到我的第一个抓取策略,在2022年的时候看见了谷歌大火的Saycan里雇人采集数月数据做到的抓取一些物体的策略,learning community可谓是完全重新造了一个不那么好的轮子。与此同时,我们也看到RL在unitree的四足机器人里做到了惊艳的跑酷效果,让传统roboticst连连赞叹。
因此,我想如果一个从业者写出CORL >>>ICRA,那么他们造出的机器人会是残疾的的;而一个从业者写出ICRA >>> CORL,他们造出的机器人将会是低能的。最后由衷希望题主修复问题中的typo。
作者:
Biang哥