Facebook开发AI Habitat帮助机器人在现实环境中导航

编译 | 老张

Facebook AI推出了AI Habitat，这是一款可以训练AI智能体的模拟器，让它可以像家庭机器人一样在典型模拟环境（如公寓或办公室等）中运行。

对于一个家庭机器人来说，当你说“你能看看笔记本电脑是否在另一个房间，如果是，你能把它拿给我吗？”，你需要了解该做什么，这需要将多种形式的智能结合在一起。

AI Habitat

通过将许多与计算机视觉、自然语言理解和强化学习相关的人工智能系统结合起来，嵌入式人工智能研究可以用于帮助机器人驾驭室内环境。

十多名人工智能研究人员在一篇关于Habitat的论文中表示，Habitat- sim在单线程运行时可实现数千帧/秒（fps），在一个GPU上可以实现超过10000 fps的多进程，这比最先近的模拟器要快几个数量级。一旦一种很有潜力的方法被开发出来并在仿真中进行了测试，它就可以转移到现实世界中运行的物理平台上。

Facebook Reality Labs，原名Oculus Research，也是开源的Replica，这是一个真实的3D环境数据集，包括零售商店，公寓和其他类似现实世界的室内环境等。AI Habitat可以与Replica一起使用，但也可以与其他体现的AI研究数据集（如Matterport3D）一起用于室内环境。

在AI中，模拟数据通常用于训练机器人系统、创建强化学习模型，模拟可以实现环境控制，降低因需要收集真实数据而产生的成本。

引入AI Habitat旨在创建一个统一的环境，并通过机器人和AI社区解决体现研究的标准化问题。为此，Facebook本周早些时候还发布了PyTorch Hub。

Facebook表示，“我们的目标是从以前框架的成功中吸取教训，并开发一个统一的平台，结合其理想的特性，同时解决其局限性。通过实现代码重用和一致的实验方法，一个通用的统一平台可以显著加速研究。此外，一个通用的平台使我们能够测试基于不同范例和数据集的智能体的泛化。”

除了Habitat仿真引擎之外，Habitat API还提供了一个高级实现AI算法库，用于导航，指令跟踪和问答。

研究人员发现，如果将学习能力扩展到比以前的研究更有经验的一个数量级，那么学习能力就会优于SLAM，而且只有具有深度传感器的智能体才能很好地在数据集中更好地推广。

AI Habitat由三个模块层组成，每个模块层都可以配置甚至替换，以便与不同类型的智能体，训练技术，评估协议和环境协同工作。将这些层分离开来，使得该平台不同于其他模拟器，而其他模拟器的设计可能会使其难以解耦参数。

该公司对机器人技术感兴趣，因为解决复杂任务的机会吸引了顶级AI人才。AI Habitat是其试图为AI开发人员和研究人员提供机器人创建平台的最新例子。

AI Habitat将于下周在加利福尼亚州长滩举行的计算机视觉和模式识别（CVPR）会议上的研讨会上展出。

项目：

aihabitat.org

论文：

arxiv.org/abs/1904.01201

End