<div dir="ltr">Call for Papers: <span class="gmail-il">IROS</span> 2022 Workshop on Lifelong Learning of High-level Cognitive and Reasoning Skills<br>
<br>
Submission deadline extended!<br>
<br>
A Full-day Hybrid Event October 23, 2022<br>
<a href="https://lifelongrobotics.github.io" rel="noreferrer" target="_blank">https://lifelongrobotics.github.io</a><br>
<br>
Important dates<br>
- Paper/Abstract Submission Deadline: Sep 30, 2022<br>
- Acceptance Notification: October 07, 2022<br>
- Workshop date: Oct 23, 2022<br>
<br>
Invited Speakers:<br>
- Eric Eaton, University of Pennsylvania<br>
- George Konidaris, Brown University<br>
- Jeff Clune, OpenAI, University of British Columbia<br>
- Jun Tani, Okinawa Institute of Science and Technology<br>
- Minoru Asada, Osaka University<br>
- Stefanie Tellex, Brown University<br>
- Tamim Asfour, Karlsruhe Institute of Technology<br>
- Yukie Nagai, University of Tokyo<br>
<br>
This workshop will focus on how to create open-ended or life-long learning systems that will allow for a robot to autonomously explore
its environment and learn ever-growing representations for perception
and actuation. This is an underexplored area in robotics and<br>
artificial intelligence research that can contribute to the development of generally capable agents. We will discuss the necessary elements (e.g., methods, environments, datasets, embodiments) for a
life-long learning setting. We will encourage participants to take<br><div>
part in discussions with the following points:</div><div>- How to adopt the current open-ended methods for life-long robot learning</div>
- Are the current machine learning methods sufficient for life-long learning<br>
- How to combine the current toolset of ML for life-long learning<br>
- How to design end-to-end systems for life-long learning<br>
- What are the necessary components for a life-long learning system? Which parts should we take for granted?<br>
- How to design appropriate environments both in simulation and 
real-world that support life-long learning<br>
<br>
Submissions:<br>
We accept regular papers (up to 8 pages of unpublished work) and extended abstracts (up to 4 pages of novel work or from a recently published paper) in standard IEEE format, excluding unlimited pages
for references. The review process will be single-blind. 10 minutes will be allocated for each regular paper, and 2-10 minutes for each 
extended abstract. Papers will be submitted through CMT<br>
(<a href="https://cmt3.research.microsoft.com/LLR2022" rel="noreferrer" target="_blank">https://cmt3.research.microsoft.com/LLR2022</a>).<br>
<br>
The topics that are indicative but by no means exhaustive are as follows:<br>
<br>
- Open-ended learning, life-long learning<br>
- Continual learning, transfer learning, catastrophic forgetting<br>
- Multi-task learning, meta-learning<br>
- Modularity<br>
- Computational approaches to the study of development and learning<br>
- Machine learning techniques for robot learning and development<br>
- Cognitive and perceptual development<br>
- Concept formation and symbol grounding<br>
- Imitation learning<br>
- Embodied cognition<br>
- Affordance learning<br>
- Interactive learning<br>
- Exploration and learning in animals and robots<br>
- Curiosity and intrinsic motivation<br>
- Skill and language acquisition<br>
- Human assisted learning and scaffolding<br>
- Human-robot interaction<br>
<br>
Organizing Committee:<br>
- Alper Ahmetoglu (contact person), Bogazici University<br>
- M. Tuluhan Akbulut (contact person), Brown University<br>
- Erhan Oztop, Ozyegin University / Osaka University<br>
- Justus Piater, University of Innsbruck<br>
- Tadahiro Taniguchi, Ritsumeikan University<br>
- Emre Ugur, Bogazici University</div>