—— 青亭网
其他
Facebook开源高级仿真平台AI Habitat，专注虚拟环境机器导航
Esther｜ 撰文
为了加速机器人等实体AI的开发，Facebook宣布开源其AI模拟平台AI Habitat，为实体AI研究提供通用的人类模拟训练，同时还有3D模型数据集Replica，其中包括Facebook Reality Labs科研人员生成的一系列公寓、零售店等室内场景的3D模型。
Facebook科研人员表示：虚拟环境中的AI如果以实体的形式存在，将带来更逼真的社交临场感，用户更愿意对这样的AI敞开心扉，交流想法和情感，这将会是社交的未来。
https://v.qq.com/txp/iframe/player.html?width=500&height=375&auto=0&vid=e0885no4cwd
而AI Habitat的作用是训练AI识别虚拟环境，其特点是高度兼容和灵活性、模块化，它可运行Replica的3D重建数据库，也支持现有的其他3D资源，比如Gibson和Matterport 3D数据集，Facebook希望以此来加速AI的训练，简化大规模场景渲染的速度。那么模块化的设计到底是怎么加速AI训练的呢，接下来我们就来看看。
环境模拟对AI的重要性
Magic Leap人形AI助理
多年来，Facebook一直在研发解决问题的多功能AI，结合自然语言处理、计算机视觉和强化学习技术帮助AI做决定和处理真实生活中的任务（比如导航）。不过在实体AI的开发上，Facebook决定重头开始，但这一过程十分漫长，因为重新训练AI需要大量数据。
他们希望AI Habitat能够具备快速实验和强化学习的特性，并将它们用于兼容性更强，且逼真度更高的AI平台。同时，Facebook科研人员希望规范实体AI在不同环境、任务和物理引擎中的应用，因此决定采用模块化的软件设计。
据了解，AI Habitat分为三个软件模块，每个模块都可以被替换或兼容其他多种AI，或者训练技术、计算协议和环境。为了提高灵活性，AI Habitat的第一个模块，也就是Habitat-Sim模拟引擎也支持现有的3D环境数据集，它利用一个分层场景图来代表所有支持的3D环境数据集，还能提取特定数据集中的细节，并应用在多种不同模拟中。
除了对3D数据集的高度兼容外，AI Habitat渲染3D模型的速度也足够快，在基准测试中，Habitat-Sim在多进程中渲染复杂场景的速度可达1万fps，只使用了一个GPU。作为对比，其他模拟器的速度仅能达到100FPS。据悉，速度对于训练计算机视觉来讲很重要，因为速度越快，训练AI算法的效率越高。
AI Habitat的第二个模块是Habitat-API，这是一个包含视觉导航和问题回答等任务数据的库，它的作用是利用额外数据和配置来简化标准化训练和评估实体AI。考虑到它的模块化，用户可替换Habitat-API，以实现升级。
而第三个模块，是开放性最强的一个，同时也是实体AI在模拟训练中遇到的具体任务。开发者可在这一模块中设置训练和评估的难度和标准。
目前，AI Habitat支持现有的3D环境数据，不过未来他们希望让AI在逼真的虚拟环境中进行训练，这将会使用到Reality Labs开发的Replica数据集，这个数据集包含18个不同大小的场景扫描，包括会议室、两层楼房等，这些环境中包含了已经标记的物品，比如窗户、楼梯、书籍或植物。
为了制作Replica，Reality Labs的科研人员利用独有的摄像技术和基于SLAM技术的空间AI算法，通过原始视频来重建高分辨率的动态环境纹理。在3D建模的过程中，科研人员处于对隐私的保护，会除掉照片、等个人信息相关的图像。
关于Habitat Challenge
为了验证AI Habitat模块化设计的优势，以及3D数据的渲染效果，Facebook举行了一场Habitat Challenge挑战赛，比赛结果显示AI Habitat已经达到了部分预期目标，包括：上手容易、为实体AI实验提供任务和模拟环境，用在导航算法上进行基准测试的效果也足够好。
参加挑战的一名Facebook AI实验室实习生Erik Wijmans和研究院Bhavana Jain训练了一个拥有几十亿帧经验的AI，这相当于31.7年的学习经验。
关于未来
关于未来，Facebook科研人员表示：与传统AI训练算法相比，AI Habitat起步晚了几年到几十年，因此我们将继续加快对这个模拟器的更新，比如加入更多、更复杂的AI训练任务和学习经验，优化Habitat-Sim对真实环境的模拟，以及对物理交互的模拟。
同时，将AI Habitat开源后，会有更多科研人员来使用这个平台，Facebook希望这个平台能够称为未来科研工作的基准，并且成为ImageNet、COCO和VQA等图像识别系统的通用方案，为未来的实体AI助手打下基础。
在未来，实体形态的AI可应用在许多场景，比如自动驾驶汽车、家用机器助手，它们将能够帮人类做许多工作。
（END）
推荐阅读
—— 青亭网