许多小的圆形物体（苹果、网球、弹珠）在用机械手向上和向下重定向时的成功率接近 100% ， 对于更复杂的物体 ， 成功率会更低 ， 比如勺子、螺丝刀或剪刀的成功率接近 30% 。 由于成功率因物体形状而异 ， 研究者指出 ， 未来基于对象形状的训练可以提高模型性能 。
作者介绍
论文作者 Tao Chen2016 年本科毕业于上海交通大学 ， 2019 年在 CMU 机器人学院获硕士学位 ， 导师为 Abhinav Gupta 。 现在是 MIT CSAIL 博士生 ， 导师 Pulkit Agrawal 也是这项研究作者之一 。

文章图片

此前 ， Tao Chen 还有多篇论文被 RSS 2021、ICRA 2021 等顶会接收 。
另一位作者 Jie Xu 同样是 MIT CSAIL 博士生 ， 导师为 Wojciech Matusik ， 2016 年本科毕业于清华大学计算机科学与技术系 ， 本科期间加入清华大学计算机图形学组 ， 在胡事民教授的指导下从事研究 。

文章图片

Jie Xu 有多篇论文被 NeurIPS 2021、RSS 2021、ICRA 2021 会议接收 。 他的研究兴趣主要集中在机器人、模拟和机器学习的交叉领域 。 具体包括机器人控制、强化学习、基于可微分物理的模拟、设计协同优化等 。
最佳论文入围名单
此次会议共有四篇论文入围最佳论文奖项 ， 除了最终得奖的论文以外 ， 其他三篇分别是：
论文标题：Robot Reinforcement Learning on the Constraint Manifold
作者：Puze Liu, Davide Tateo, Haitham Bou Ammar, Jan Peters
论文链接：https://openreview.net/pdf?id=zwo1-MdMl1P
论文标题：Learning Off-Policy with Online Planning
作者：Harshit Sikchi, Wenxuan Zhou, David Held（CMU 机器人研究所）
论文链接：https://arxiv.org/pdf/2008.10066.pdf
论文标题：XIRL: Cross-embodiment Inverse Reinforcement Learning
作者：Kevin Zakka, Andy Zeng, Pete Florence, Jonathan Tompson, Jeannette Bohg, Debidatta Dwibedi（斯坦福大学 ， 谷歌机器人团队 ， UC 伯克利）
论文链接：https://arxiv.org/pdf/2106.03911.pdf
最佳系统论文奖
CoRL 2021 最佳系统论文奖授予了哥伦比亚大学的研究《FlingBot: The Unreasonable Effectiveness of Dynamic Manipulation for Cloth Unfoldin_g_》 。

文章图片

作者：Huy Ha, Shuran Song
论文链接：https://openreview.net/pdf?id=0QJeE5hkyFZ
论文摘要：高速动态动作（例如投掷）通过提高运动效率并有效扩大物理触及范围 ， 在人们与可变形物体的日常互动中发挥着至关重要的作用 。 先前大多数工作都使用专门的单臂准静态（quasi-static）动作来处理布料操作（例如铺床单、叠衣服） ， 这需要大量交互来初始化布料的配置 ， 并严格限制了机器人可操纵的最大布料尺寸 。 在这项工作中 ， 研究者提出了一种自监督学习框架 FlingBot ， 证明了动态甩动动作对布料展开的有效性 。 该方法从视觉观察结果中学习了如何使用拾取、拉伸和甩动几个原型动作 ， 使得机器人能够通过控制双臂的设置从任意初始配置展开一块织物 。 最终系统在新型布料上的 3 个动作内实现了超过 80% 的覆盖率 ， 可以展开比系统覆盖范围更大的布料 。 尽管该研究仅在矩形布料上训练了模型 ， 但这种方法仍然可以泛化到 T 恤 ， 继而用于展开叠取衣物 。 该研究还在真实世界的双臂机器人平台上对 FlingBot 进行了微调 ， 使得它比准静态基线增加了 4 倍以上的布料覆盖率 。 FlingBot 展示出超越准静态基线的卓越性能 ， 并表明了动态动作对可变形物体操作的有效性 。