Facebook AI Research(FAIL)展示了人工智能机器人培训的演变：人居3.0。
FAIR旨在通过构建能够理解环境并与人类合作的人工智能代理来弥合人工智能和物理世界之间的差距。
生境3.0 作为一个虚拟训练场， 嵌入式人工智能代理使机器人和虚拟人能够在数字环境中协同完成任务。
今天，我们宣布了Habitat 3.0、Habitat合成场景数据集和HomeRobot，这是开发社交化人工智能代理的三个主要进展，可以与人类合作并协助人类完成日常任务。
有关这些公告的更多详细信息，请访问https://t.co/WGSjkkyQx3➡️pic.twitter.com/GdU54AD0qg
– AI在Meta（@ AIatMeta）2023年10月20日
在现实世界中训练机器人可能是具有挑战性的，耗时的，并且潜在的危险。英伟达的Isaac Sim是一个成熟的工业机器人虚拟培训系统，但Meta的Habitat更专注于家庭环境。
机器人可以通过在像Habitat 3.0这样的模拟非破坏性环境中进行训练来犯错误，而不会对现实世界造成任何后果。
在Habit3.0的幕后
之前的Habitat迭代为机器人导航和在类似家庭的数字环境中的交互奠定了基础。
然而，Habit 3.0引入了一个协作模型，将机器人和类人化身结合在一起，以模拟真实世界中的人与机器人交互场景。
在Habitat 3.0的虚拟环境中训练机器人的示例。资料来源：Meta。
FAIR表示，这个新平台不仅仅是关于运动和交互—它还考虑到现实世界任务的视觉和语义细节，使用具有自然运动和行为的人形化身。
这些化身可以通过预设的算法和实际的人类输入来控制。
FAIR的新人居平台使：
- 模拟家庭环境中的人机协作。在这里，机器人可以学习与人类化身一起工作，掌握打扫房屋等任务。
- 与人类头像的真实交互，以自然的运动和外观完成，以模拟真实世界的交互。
- 人在回路中的评估，即真实的人类可以通过各种界面来交互和控制这些化身，包括键盘、鼠标，甚至VR耳机。
根据Meta，该平台提供了比传统机器人训练方法多的优点：
- 更快地学习强化算法，允许在现实世界中需要数年时间的实验在几天内完成。
- 快速和无缝的环境适应性，消除了物流方面的挑战，如物理移动机器人。
- 一个更安全的测试场，确保人工智能模型不会在现实世界的场景中构成威胁。
与生境3.0一起，该基金还发布了生境综合场景数据集（HSSD—200）。
该数据集包括18,000多个对象，并为机器人提供了更真实的训练环境，密切反映了现实世界的场景。
FAIR承认，真正的社会智能机器人需要了解人类生活的动态环境。
下一个研究阶段将利用Habitat 3.0的功能，进一步完善人工智能模型，以增强人机协作。
