Facebook Inc.开放了一个名为AI Habitat的平台的源代码

诸如工业机器人之类的机器内部的人工智能模型要求能够与环境安全有效地交互。但是在现实环境中甚至是无风险的训练空间中训练AI往往是不切实际的，因为教导复杂的神经网络需要大量的时间。

为了帮助加快这一进程，Facebook Inc.今天开放了一个名为AI Habitat的平台的源代码。它是一个interwetten与威廉的赔率体系 器，使研究人员可以在虚拟环境中一次执行许多培训课程。

AI Habitat可能不是第一个考虑到机器学习项目构建的模拟器，但是它肯定是最快的模拟器之一。据Facebook称，内部测试表明该平台仅使用一张图形卡就可以以10，000帧/秒的速度运行虚拟培训环境。社交网络尝试的其他仿真引擎每秒只能达到50到100帧。

人居AI的四位工程师Manolis Savva，Abhishek Kadian，Oleksandr Maksymets和Dhruv Batra在博客中写道 ，他们的团队“将训练速度推上了最先进的状态，使模拟器能够渲染出比以前的模拟器快得多。” Facebook声称使用AI Habitat可以在数小时内完成使用其他工具进行数月的实验。

该公司构建了可在广泛的AI项目中使用的平台。Facebook将其模块化，以便研究人员可以根据需要交换关键组件，并为用于训练AI模型的几个通用开源数据集实现了本机支持。

该社交网络开源了自己的培训数据集，该数据集专门设计用于与AI Habitat一起使用。该存储库被称为副本，包括18个虚拟室内环境，从办公室会议室到两层楼的房屋。

副本之所以被命名，是因为它“为真实空间的3D重构的真实性和质量设定了新标准，”致力于将虚拟环境整合在一起的Facebook研究人员之一朱利安·斯特劳布（Julian Straub）解释说。它们不是在图形设计工具中创建的效果图，而是对社交网络使用自定义摄像头威廉希尔官方网站 拍摄的真实空间的扫描。

该公司利用红外深度捕获系统来记录每种环境中物体的确切形状。然后以高分辨率重建书籍，椅子和窗户等物品，并保留其纹理，以确保AI模型暴露于逼真的训练环境中。Facebook的研究人员还添加了描述每个对象的标签。

研究人员可以使用AI Habitat训练神经网络来执行相当复杂的多步骤任务，这些任务不仅需要能够看到而且还要了解其周围环境。例如，家用机器人可以配备处理“检查我的笔记本电脑是否在厨房的桌子上”之类的请求的功能。但是AI Habitat中的培训环境不是交互式的，这意味着一旦发现笔记本电脑，就不可能教机器人如何获取笔记本电脑。