Silvio/李飞飞组开源大型室内场景的模拟环境iGibson

来源：机器之心

作者：沈博魁、夏斐、李承澍、Roberto Martín-Martín

在这项研究中，斯坦福视觉与学习实验室（SVL）Silvio / 李飞飞组的研究者推出了一个全新的模拟环境 iGibson，从而可以为大型真实场景中的交互任务开发机器人解决方案。iGibson 包含 15 个充分可交互、视觉上逼真、依据真实房屋构建的场景，并且可以支持 CubiCasa5K 和 3D-Front 的 8000 余个场景。真正实现了「可交互性」。

内置域随机化功能，可随机替换 visual textures (视觉图像)、材料与动力学信息、物体实例。由此，我们可以产生出无穷无尽的随机环境用于训练与测试。

iGibson 功能的一些应用

我们在论文中展示了这些功能的用处，例如：iGibson 的光学雷达模拟可以帮助 agent 迁移到真实场景

iGibson 场景的充分可交互性可以帮助预训练机器人视觉，从而加速机器人学习并完成复杂的交互任务。

用 iGibson 解决更复杂的机器人任务

上述的 iGibson 功能能帮助人们更好的开发大型场景交互任务的解决方案。我们认为，其中一个很重要的问题是 Interactive Navigation （交互导航）。在这个任务中，agents 不仅需要导航，也需要改变其环境（如开门、移开障碍物）。这种需要改变环境的导航是在现实场景中最常见的。

为了在 iGibson 模拟环境中解决这个任务，我们开发了一套分层强化学习（hierarchical reinforcement learning）算法来决定 agent 的具体动作（当需要交互时用机械臂，当需要移动时用底座，也可同时利用机械臂和底座 [8]。

此外我们也提出了一个结合了运动规划算法的解决方案：算法来指定下个交互应该在何处发生，运动规划会基于此计算一条符合运动学且避障的轨迹 [9] 。

但我们认为这只是 iGibson 潜力的冰山一角。目前我们实验室 SVL(Stanford Vision and Learning Lab)有许多的项目在使用 iGibson，来提出、攻克各种各样的交互任务。

总结

我们认为模拟环境有极大的潜力来帮助研究人员解决机器人与 AI 的各种问题。iGibson 是一个完全开源的、面向大型场景交互任务的模拟环境。我们真心希望 iGibson 能为机器人与 AI 的研究做出贡献。

注：关于 Gibson: iGibson 的名字来源于心理学、认知科学泰斗 James J. Gibson [1904-1979]。Gibson 生前提出了许多开创性的想法，包括关于知觉的新概念：

知觉是一个生态（ecological）的过程，即本体不应从其所处的生态环境中剥离出去；

知觉是一个动态（active）的过程，即知觉需要交互和主观能动性。

在当时，主流学说认为知觉是一个被动接受并处理的过程。Gibson 的观点则相反，认为 agents 是在与环境的交互中主动寻求、而不是被动接受信息。Gibson 也提出了 “affordance”（承担特质）的概念：环境给予 agent 的行动可能，例如门提供“打开” 的功能，椅子提供 “支撑” 的功能。我们同事是这样概括 Gibson 先生的 research 的：“ask not what’s inside your head, but what your head is inside of” (不要光注重于你脑中的世界，请着眼于你所处的世界)。