本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

李飛飛團隊的機器人模擬訓練場2.0版本來了！

這個擁有超過8000個交互式場景的模擬環(huán)境iGibson，再次發(fā)生了進化！

而進化之后的iGibson 2.0，核心就一句話：

機器人們別抓小球兒了，來做家務吧！

像是模擬環(huán)境中增加的溫度、濕度、切片等多種物理狀態(tài)，就亟待各位機器人來個洗、切、炒菜一條龍服務：

而且這可是外表顏色會發(fā)生改變的真·煮熟。

做完飯之后，還能擦一下臺子上的污漬，整理一下桌面。

再把沒用完的蔬菜放回冰箱，看著它變成“冰凍”狀態(tài)。

人類還能通過VR進入模擬環(huán)境，給機器人示范下如何做一個標準的家務：

那么現(xiàn)在，就一起來看看這次版本更新的具體內容吧。

新增5種物理狀態(tài)

好的，現(xiàn)在我們的機器人選手進入了模擬環(huán)境，它將要做一頓菜。

而這頓菜，將會用到這次iGibson 2.0擴展的五個新的物理狀態(tài)：

濕潤程度

先從洗菜開始。

洗菜的水來自一種流體模擬系統(tǒng)。

比如下方這個水槽上的水龍頭：

水龍頭作為液滴源產(chǎn)生液滴，然后匯聚在其他容器（盤子）里，或被可浸泡的物體（毛巾）吸收。

在iGibson 2.0中，物體吸收的液滴量也就對應了物體的濕潤程度。

切割

洗完了，開始切菜。

但這里就碰到了一個難題：

一般來說，模擬環(huán)境中的物體會被假定為具有固定節(jié)點和三角面的三維結構，要實現(xiàn)“切割”這一動作并不簡單。

而iGibson 2.0則通過更新切片狀態(tài)、保持物體實例的擴展狀態(tài)來完成切割動作。

當拿著切片工具，并作用了超過物體切片力閾值的力時，切片狀態(tài)就會轉為“真”。

這時，模擬器會將會將一個物體替換為兩個：

這兩半“被切開的物體”則會繼承整個對象的擴展物體狀態(tài)（如溫度）。

而這種轉換是不可逆的，在之后的模擬時間中，物體會一直保持這種切片狀態(tài)。

溫度

現(xiàn)在，我們要使用這個微波爐來煎魚了：

要讓溫度自然變化，iGibson 2.0便將WordNet層次結構中的對象類別注釋為熱源。

這是iGibson 2.0中的一個新規(guī)定：

即每個模擬對象都應該是WordNet中現(xiàn)有對象類別的一個實例。

而這種語義結構能夠將特征與同一類別的所有實例聯(lián)系起來。

好，現(xiàn)在我們要通過這個熱源來改變改變其他物體的溫度。

和現(xiàn)實中的微波爐一樣，用手撥動后受熱物體就會開始升溫。

具體溫度會這樣變化：

并且，每個物體在過去達到的最高溫度的歷史值也會被保留。

比如上圖中的魚，在過去曾達到過烹飪或燃燒的溫度。

因此即使在熱源關閉后，它也會呈現(xiàn)出被烤熟或燒焦的外觀。

也就是說在模擬環(huán)境中如果烤糊了，那也就是真的烤糊了！

清潔程度

清潔程度換句話說，就是含有灰塵污漬的程度。

在iGibson 2.0中，對象初始化時可以含有灰塵或污點顆粒，還能采取行為來改變物體的清潔度。

因此，在做完菜后，機器人可以選擇用布擦拭灰塵顆粒：

或者選用濕的工具（擦洗器）來清除來清除污漬：

狀態(tài)切換

iGibson 2.0為一些對象提供“開”和“關”兩種狀態(tài)的切換功能，并同時維護其內部狀態(tài)和外觀變化。

這種狀態(tài)的切換是通過觸摸一個虛擬固定鏈接TogglingLink來完成的。

比如下方這個烤箱，在“開啟”狀態(tài)（右圖）時，其外觀會發(fā)生改變。

于是最后，機器人關掉器械，圓滿完成了這次任務。

而這樣一個穩(wěn)固、逼真、便捷的模擬環(huán)境，自然也就意味著機器人能夠進行更多、更復雜的任務訓練。

基于邏輯謂詞的生成系統(tǒng)

加上前面這些新的物理狀態(tài)后，就足以模擬室內環(huán)境中的一系列基本活動。

不過如果用我們平常生活中的自然語言來描述這些狀態(tài)的話，emmm……

就像是重慶人的“微辣”之于外地人一樣，一定會存在個體理解上的語義差異。

因此，iGibson 2.0以常見的自然語言為基礎，定義了一組邏輯謂詞（Logical Predicates）：

這組邏輯謂詞將擴展的對象狀態(tài)映射到對象的邏輯狀態(tài)上，以符號化方式描述對象的狀態(tài)。

基于不同的邏輯謂詞，我們會對有效對象進行不同的采樣。

比如，對于像是Frozen這種基于物體擴展狀態(tài)的謂詞，就對滿足謂詞要求的擴展狀態(tài)值進行采樣。

而如果是OnTopOf這種運動學謂詞，就需要結合射線投射、分析方法等機制，來保證物體處在一個靜止的物理狀態(tài)：

那么這時，我們就得到了一個基于邏輯謂詞的生成系統(tǒng)。

在這一系統(tǒng)中，我們只要指定一個邏輯謂詞的列表，就能更加快速、便捷地生成模擬場景。

VR讓機器人學著人類做

現(xiàn)在，機器人訓練的場地已經(jīng)搭建好了。

我們的最終目標，是讓機器人通過訓練來完成越來越復雜的任務。

那么，或許可以讓機器人來看看人類是怎么做的，進而開發(fā)出新的解決方案？

于是，iGibson 2.0引入了VR，讓人類也能進入機器人訓練的場景中：

團隊根據(jù)通過OpenVR與市面上主要的VR頭盔兼容，并有一個額外的跟蹤器來控制主體。

通過iGibson的PBR渲染功能，系統(tǒng)會以最高90幀/秒的速度接收從虛擬化身的頭部視角生成的立體圖像。

而通過人類在VR環(huán)境中完成任務的流程，研究人員也能更加便捷地收集到長期、復雜、雙手動移動操作任務的演示數(shù)據(jù)。

當然，抓小球的經(jīng)典任務也不能忘。

為了提供更自然的抓取體驗，團隊實現(xiàn)了一個輔助抓取（AG）機制：

在用戶通過抓取閾值（50%驅動）后，只要物體在手指和手掌之間，就能在手掌和目標物體之間形成一個額外的約束。

媽媽再也不用擔心機器人抓不住小球了

而最后，李飛飛團隊也表示：

iGibson是一個完全開源的、面向大型場景交互任務的模擬環(huán)境。

我們希望iGibson 2.0能成為社區(qū)有用的工具，減少為不同任務創(chuàng)建模擬環(huán)境的負擔，促進具身AI（embodied AI）研究的解決方案的發(fā)展。

下載地址：
https://github.com/StanfordVL/iGibson

論文地址：
https://arxiv.org/abs/2108.03272

官網(wǎng)：
http://svl.stanford.edu/igibson/