ICRA顶级专家激辩：数据与模型，谁将主宰机器人学的未来？

主要观点总结

本文报道了一场关于机器人与自动化研究领域的辩论，这场辩论主要围绕数据驱动与模型驱动的方法展开。三位业界巨擘就数据与方法在机器人学中的作用发表了观点。文中详细介绍了三位专家的立场和论据，以及他们各自支持的实例研究。最后，文章强调了数据模型融合的重要性，并指出机器人学的未来将是由数据驱动与模型驱动的整合来推动的。

关键观点总结

关键观点1: 辩论主题

数据驱动与模型驱动在机器人学中的争论

关键观点2: 主要人物及其观点

三位业界巨擘就数据驱动与模型驱动的方法发表了不同的观点，并提供了支持其观点的实例研究。

关键观点3: 数据驱动方法

以Animesh Garg和Russ Tedrake为代表的数据驱动方法，强调大规模数据收集和学习的重要性，认为数据是实现机器人智能化的关键。

关键观点4: 模型驱动方法

以Aude Billard和Frank Park为代表的模型驱动方法，强调模型的重要性，认为模型赋予数据意义，单纯的数据积累不足以实现机器人的智能化。

关键观点5: 融合方法的重要性

Daniela Rus强调了融合方法与的重要性，认为数据驱动与模型驱动的整合是推动机器人学发展的关键。