← CoRL 各届
CoRL 2023· Conference on Robot Learning
CoRL 2023
亮点精读
8 篇 · 获奖 / oral / 高引📈 3.3k 引用
RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
提出视觉-语言-动作模型RT-2，将互联网知识迁移到机器人控制。
💡 实现从网络数据到机器人技能的泛化，提升零样本学习能力。
arXiv
📈 957 引用
VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models
VoxPoser利用语言模型生成3D值图，实现机器人零样本操作。
💡 无需训练即可泛化到新任务，降低机器人部署成本。
arXiv
📈 703 引用
BridgeData V2: A Dataset for Robot Learning at Scale
发布大规模开源机器人数据集BridgeData V2，含60000+轨迹，支持多种机器人学习。
💡 提供统一基准，推动机器人学习规模化与泛化。
arXiv
📈 438 引用
SayPlan: Grounding Large Language Models using 3D Scene Graphs for Scalable Task Planning
提出SayPlan，利用3D场景图引导大语言模型进行可扩展任务规划。
💡 将LLM与3D场景图结合，提升任务规划的准确性和可扩展性。
arXiv
📈 409 引用
Language to Rewards for Robotic Skill Synthesis
利用大型语言模型将自然语言指令转化为机器人奖励函数，实现技能合成。
💡 连接语言与机器人学习，简化技能编程。
arXiv
📈 377 引用
Robots That Ask For Help: Uncertainty Alignment for Large Language Model Planners
提出不确定性对齐方法，使机器人能在不确定时主动请求人类帮助。
💡 提升LLM规划器在实际任务中的安全性和可靠性。
arXiv
📈 351 引用
MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations
MimicGen通过人类演示自动生成大规模机器人训练数据，实现高效技能学习。
💡 大幅降低数据采集成本，推动机器人学习规模化。
arXiv
📈 326 引用
MimicPlay: Long-Horizon Imitation Learning by Watching Human Play
MimicPlay通过观察人类玩耍视频学习长时域任务，无需机器人演示。
💡 利用人类数据大幅降低机器人模仿学习成本。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点