Maison > Article > Périphériques technologiques > L'équipe chinoise a remporté les prix du meilleur article et du meilleur article système, et les résultats de la recherche CoRL ont été annoncés.
Depuis sa première tenue en 2017, CoRL est devenue l'une des conférences universitaires les plus importantes au monde à l'intersection de la robotique et de l'apprentissage automatique. CoRL est une conférence à thème unique pour la recherche sur l'apprentissage des robots, couvrant plusieurs sujets tels que la robotique, l'apprentissage automatique et le contrôle, y compris la théorie et l'application
La conférence CoRL 2023 se tiendra à Atlanta, aux États-Unis, du 6 au 9 novembre. Selon les données officielles, 199 articles provenant de 25 pays ont été sélectionnés pour CoRL cette année. Les sujets populaires incluent les opérations, l’apprentissage par renforcement, etc. Bien que CoRL soit à plus petite échelle que les grandes conférences universitaires sur l'IA telles que l'AAAI et le CVPR, à mesure que la popularité de concepts tels que les grands modèles, l'intelligence incarnée et les robots humanoïdes augmente cette année, des recherches pertinentes dignes d'attention seront également présentées à la conférence CoRL.
Actuellement, CoRL 2023 a officiellement annoncé le prix du meilleur article, le prix du meilleur article étudiant, le prix du meilleur article système et d'autres récompenses. Nous vous présenterons ensuite ces articles primés. "Meilleur article" Isola
Adresse papier :
https://openreview.net/forum?id=Rb0nGIt_kh5Les deux co-auteurs de cet article sont William Shen et Yang Ge, membres de l'équipe CSAIL « Embodied Intelligence » Yang Ge est le co-organisateur du CSAIL Embodied Intelligence Symposium 2023.
J'ai appris que "Heart of the Machine" a présenté cette recherche en détail, veuillez consulter "Quelle est la puissance des robots pris en charge par de grands modèles ? Le MIT CSAIL&IAIFI utilise le langage naturel pour guider les robots dans la saisie des objets"
Meilleur étudiant Article
Article : Des robots qui demandent de l'aide : alignement d'incertitudes pour les planificateurs de grands modèles de langage
Auteur : 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
Institution : Princeton University, Google DeepMind
KnowNo est basé sur la théorie de la prédiction conforme, qui fournit des garanties statistiques de l'achèvement des tâches et est capable de minimiser l'intervention humaine dans les tâches de planification en plusieurs étapes
La recherche a été menée sur divers robots simulés et réels. l'expérience KnowNo a été testée avec différents modes de tâches d'incertitude (y compris l'incertitude spatiale, l'incertitude numérique, etc.). Les résultats expérimentaux montrent que KnowNo fonctionne bien en termes d'amélioration de l'efficacité et de l'autonomie, surpasse les références et est sûr et digne de confiance. KnowNo peut être utilisé directement dans LLM sans réglage fin du modèle, fournissant une solution légère et efficace pour modéliser l'incertitude et complétant les capacités croissantes du modèle sous-jacent. "Meilleur article système"
Adresse papier :
https://openreview.net/forum?id=69y5fzvaATSelon les résultats expérimentaux, les performances de RoboCook sont nettement meilleures que la méthode SOTA existante, et il peut toujours faire preuve de stabilité face à de graves interférences externes, et son adaptabilité à différents matériaux est également meilleure
Cela vaut la peine mentionnant que les co-auteurs de cet article sont Haochen Shi, doctorant de l'Université de Stanford, et Huazhe Xu, ancien chercheur postdoctoral à l'Université de Stanford et maintenant professeur adjoint à l'Institut des sciences de l'information interdisciplinaires de l'Université Tsinghua. Les auteurs de l'article sont Wu Jiajun, ancien élève de Yao Ban, professeur adjoint à l'Université de Stanford.
La liste restreinte des articles gagnants a été annoncée
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!