首頁?行業  »   機器人  »   正文

Facebook開發AI Habitat幫助機器人在現實環境中導航

Facebook開發AI Habitat幫助機器人在現實環境中導航

Facebook AI推出了AI Habitat,這是一款可以訓練AI智能體的模擬器,讓它可以像家庭機器人一樣在典型模擬環境(如公寓或辦公室等)中運行。

對于一個家庭機器人來說,當你說“你能看看筆記本電腦是否在另一個房間,如果是,你能把它拿給我嗎?”,你需要了解該做什么,這需要將多種形式的智能結合在一起。

AI Habitat

通過將許多與計算機視覺、自然語言理解和強化學習相關的人工智能系統結合起來,嵌入式人工智能研究可以用于幫助機器人駕馭室內環境。

十多名人工智能研究人員在一篇關于Habitat的論文中表示,Habitat- sim在單線程運行時可實現數千幀/秒(fps),在一個GPU上可以實現超過10000 fps的多進程,這比最先近的模擬器要快幾個數量級。一旦一種很有潛力的方法被開發出來并在仿真中進行了測試,它就可以轉移到現實世界中運行的物理平臺上。

Facebook Reality Labs,原名Oculus Research,也是開源的Replica,這是一個真實的3D環境數據集,包括零售商店,公寓和其他類似現實世界的室內環境等。AI Habitat可以與Replica一起使用,但也可以與其他體現的AI研究數據集(如Matterport3D)一起用于室內環境。

在AI中,模擬數據通常用于訓練機器人系統、創建強化學習模型,模擬可以實現環境控制,降低因需要收集真實數據而產生的成本。

Facebook開發AI Habitat幫助機器人在現實環境中導航

引入AI Habitat旨在創建一個統一的環境,并通過機器人和AI社區解決體現研究的標準化問題。為此,Facebook本周早些時候還發布了PyTorch Hub。

Facebook表示,“我們的目標是從以前框架的成功中吸取教訓,并開發一個統一的平臺,結合其理想的特性,同時解決其局限性。通過實現代碼重用和一致的實驗方法,一個通用的統一平臺可以顯著加速研究。此外,一個通用的平臺使我們能夠測試基于不同范例和數據集的智能體的泛化。”

除了Habitat仿真引擎之外,Habitat API還提供了一個高級實現AI算法庫,用于導航,指令跟蹤和問答。

研究人員發現,如果將學習能力擴展到比以前的研究更有經驗的一個數量級,那么學習能力就會優于SLAM,而且只有具有深度傳感器的智能體才能很好地在數據集中更好地推廣。

AI Habitat由三個模塊層組成,每個模塊層都可以配置甚至替換,以便與不同類型的智能體,訓練技術,評估協議和環境協同工作。將這些層分離開來,使得該平臺不同于其他模擬器,而其他模擬器的設計可能會使其難以解耦參數。

該公司對機器人技術感興趣,因為解決復雜任務的機會吸引了頂級AI人才。AI Habitat是其試圖為AI開發人員和研究人員提供機器人創建平臺的最新例子。

AI Habitat將于下周在加利福尼亞州長灘舉行的計算機視覺和模式識別(CVPR)會議上的研討會上展出。

項目:

aihabitat.org

論文:

arxiv.org/abs/1904.01201

歡迎關注ATYUN官方公眾號,商務合作及內容投稿請聯系郵箱:[email protected]

發表評論