Regular Article의 field test는 논문을 예쁘게 마무리하기 위한 demo가 아니다. 공식 guideline은 field testing의 목적을 논문이 세운 assumptions에 challenge를 주는 것이라고 표현한다. 즉, lab에서 제거해 둔 sensing failure, terrain variability, weather, scale, communication, interaction이 연구 주장을 실제로 흔들어 보아야 한다.
T-FR는 algorithm paper라 하더라도 모든 evaluation을 existing dataset에만 두는 것을 충분하지 않다고 명시한다. 저자가 새 field data를 직접 수집해 시험해야 하며, 이상적으로는 real robot system-level experiment 안에서 contribution을 보여주도록 권한다.
수백 m·km, 여러 시간·일·주에 걸친 operation은 작은 indoor benchmark와 다른 failure mode를 드러낸다.
terrain, weather, illumination, dust, vegetation, people, traffic, communication을 연구자가 마음대로 고를 수 없다.
localization drift, planner failure, tire slip, battery, recovery, human supervision이 실제 mission success와 연결된다.
새 field-robotics algorithm/system + 최소 initial field testing. contribution은 novelty와 그 field validation에 있다.
장기간 실제 운용된 system. known method라도 새로운 testing regime과 field lessons가 contribution이 될 수 있다.
robot이 field에서 직접 수집한 reusable dataset. archival hosting, GT/evaluation means, durable format과 dev kit를 요구한다.
emerging field-robotics topic의 review/tutorial. EiC proposal 선승인이 필요하며 매우 드문 category로 운영된다.
기존 논문을 짧게 확장·평가·정정하거나 후속 field campaign에서 새로 배운 것을 기록. 최대 8 pages.
가장 쉬운 구분은 공식 FAQ 그대로다. 새 idea/system 자체가 contribution이면 Regular Article, 이미 존재하는 idea를 새로운 field campaign으로 한계까지 시험하는 것이 핵심이면 Field Report다.
이 구분은 paper prestige를 나누기 위한 것이 아니라 reviewer에게 “novel algorithm을 심사하는가, testing regime과 lessons를 심사하는가”라는 올바른 frame을 제공하기 위한 것이다.
어떤 assumption을 현장에서 깨뜨릴지 연구 시작 단계에서 정의해야 sensor logging·GT·route·repeat design이 제대로 잡힌다.
왜 멈췄고 어떻게 복구했는지가 field-ready system을 이해하는 핵심 정보다. 실패의 taxonomy와 frequency를 기록한다.
scale은 새 regime을 드러낼 때 의미가 있다. 긴 실험이 어떤 새로운 conclusion을 가능하게 했는지를 연결해야 한다.
새 알고리즘이 없어도 novel deployment regime과 rigorous testing으로 system capability에 새 지식을 만들 수 있다.
field logs, GT, intervention 기록, weather/terrain metadata, reproducible mission script가 쌓이면 다음 paper와 Data Article의 기반이 된다.