详细内容或原文请订阅后点击阅览
None
None
来源:Robohub随着机器人研究的爆炸式增长，在演示学习 (LfD) 等领域保持最新状态是一项巨大的挑战。人工智能是“纸张泛滥”的解决方案，还是问题的一部分？阅读下面的文章预览以了解更多信息！
下载全文：在纸张洪流中生存。
作者：Aude Billard、Renaud Detry、Nadia Figueroa、Maximilian Foriest、Dongheui Lee、Kunpeng Yao贡献：五位资深作者（A.B、R.D、N.F、D.L 和 K.Yao）共同设计研究、阅读论文、进行定性和定量分析以及论文写作。 M. F. 贡献了 LLM 分析脚本并参与了 LLM 与人类的比较。
摘要
科学家们应该阅读其领域内新发表的论文，以了解最新情况并保持其工作的相关性。然而，面对大量的出版物，阅读所有这些论文似乎是一项艰巨的任务，即使将其减少到仅与自己的研究领域相关的一小部分。 例如，仅 2024 年，IEEE 就发表了不少于 46,968 篇有关“机器人”或“自动化”的论文，而 IEEE 出版物仅占在线研究总量的一小部分
为了评估这一挑战的严重性，以及评估今天的出版物中报道了多少真正的进展，我们正是做出了这项努力。为了使任务合理，我们将搜索范围缩小到一个特定的子领域，即从演示中学习（LfD），即由人类专家教授机器人的方法。我们通过定量和定性指标监控进展，对当前趋势和显着贡献进行审查。我们还划定了重要领域，但似乎很少受到关注，并提供了推广建议。
出版物增长
本文最初发表于 IEEE RAS。
标签：