<sup id="k62se"></sup>
<xmp id="k62se"><option id="k62se"></option>
<object id="k62se"><tr id="k62se"></tr></object><rt id="k62se"><wbr id="k62se"></wbr></rt>
<tt id="k62se"></tt>
<bdo id="k62se"><label id="k62se"></label></bdo>
  • <menu id="k62se"><sup id="k62se"></sup></menu>
    您正在使用IE低版瀏覽器,為了您的雷鋒網賬號安全和更好的產品體驗,強烈建議使用更快更安全的瀏覽器
    人工智能 正文
    發私信給黃善清
    發送

    0

    3D 環境訓練智能體時代來臨?Facebook 開源仿真 3D 環境平臺 Habitat

    本文作者:黃善清 2019-02-28 22:32
    導語:為啥叫 Habitat ?因為這是 AI 智能體生活的地方。

    雷鋒網 AI 科技評論:Facebook AI 小組今日在博客開源了一個仿真 3D 環境平臺 Habitat,該平臺讓我們可以在其中訓練與評估 AI 智能體,正式宣告「3D 訓練時代」來臨。雷鋒網將之編譯如下。

    3D 環境訓練智能體時代來臨?Facebook 開源仿真 3D 環境平臺 Habitat

    在將學習到的技能運用到現實世界以前,Habitat 允許我們在逼真、高效的 3D 模擬器中對 AI 智能體(虛擬機器人)進行訓練。過去基于靜態數據集(ImageNet、COCO、VQA)的「互聯網 AI」,搖身一變成在現實環境運作的「具身 AI」,進而賦予 AI 積極感知、長期規劃、從交互中學習以及基于環境的對話等能力。

    為啥叫 Habitat ?因為這是 AI 智能體生活的地方。

    總的來說,Habitat 是一個落實「具身 AI」研究的平臺,當中包括了 Habitat-SimHabitat-API 以及 Habitat Challenge

    3D 環境訓練智能體時代來臨?Facebook 開源仿真 3D 環境平臺 Habitat

    Habitat-Sim

    一個配備了可配置智能體、多款傳感器、通用 3D 數據集處理器(內置支持 SUNCG、MatterPort3D、Gibson 及其他數據集)的靈活、高性能 3D 模擬器。以 Matterport3D 數據集的場景渲染過程為例,Habitat-Sim 的單線程運行高達數千幀/秒(FPS),且只需單個 GPU 就能實現超過 10,000 FPS 的多線程運行!

    Github 網址:https://github.com/facebookresearch/habitat-sim

    Habitat-API

    Habitat-API 是一個能夠實現「具身 AI」端到端開發任務的模塊化高級庫,這些開發任務包括:定義「具身 AI」任務(導航、指令跟蹤、問答等)、配置「具身」智能體(物理形式、傳感器、功能等),培訓這些智能體(通過模仿或強化學習,或者像經典 SLAM 那樣完全不學習)以及通過標準指標對其定義任務的表現進行基準測試。

    Github 網址:https://github.com/facebookresearch/habitat-api

    Habitat 挑戰賽

    我們將舉辦自動導航挑戰賽(在 EvalAI 平臺上舉行),旨在加速推動「具身 AI」的基準測試與研發進展。與傳統基于圖像數據集的「互聯網 AI」挑戰賽(如 ImageNet LSVRC、COCO、VQA)不同的是,我們將基于參與者的上傳代碼而非預測結果進行評判。上傳的智能體會在最新的(隱形的)環境中進行評估,以測試其泛化能力。如果您有興趣參與,請在此表格中填寫姓名與電子郵件地址,我們將在提交生效后回復您。挑戰賽的獲勝者名單將會在 CVPR-2019 的 Habitat:Embodied Agents Challenge and Workshop 上宣布。

    Github 網址:https://github.com/facebookresearch/habitat-challenge

    其他類似平臺

    OpenAI 的 Gym Retro

    3D 環境訓練智能體時代來臨?Facebook 開源仿真 3D 環境平臺 Habitat

    該平臺同樣主打智能體能力泛化,不過就局限在游戲領域,發布至今響應者眾。簡單來說,Gym Retro 可以幫助研究智能體在本質相似但外觀不同的游戲之間進行泛化的能力,尤其關注同一游戲的不同級別之間進行泛化的比較容易的問題,涉及了包括世嘉和任天堂在內的 1000 多款游戲。隨著 Gym Retro 一同發布的尚有一款集成工具,讓我們輕松添加游戲 ROM,進而創建儲存狀態、尋找內存位置以及設計強化學習智能體實施方案。不過,該平臺依然存在一項棘手問題,那就是經訓練的智能體存在 farm 獎勵現象,也就是專注于游戲得分,因此忽略了真正的隱藏任務,是它下一階段需要取得突破的地方。

    英偉達的 Isaac

    3D 環境訓練智能體時代來臨?Facebook 開源仿真 3D 環境平臺 Habitat

    英偉達傾力打造的終極機器人 AI 虛擬訓練環境,與 Habitat 平臺性質更接近,然而發布至今響應者寥寥。該平臺充分利用英偉達在物理引擎上的造詣,旨在打造一個遵從物理定律的「alternate universe」(替代空間),除了時間,該虛擬訓練空間將完全遵從現實世界的物理定律。該平臺希望在模擬機中學習過的機器人,就能達到貌似在現實世界中預訓練過的水平。在時間上,機器人 AI 將以多重「分身」在 Isaac 中進行訓練,每輪訓練中最聰明的那一個,將進入下一輪分配給每個智能體;再從中選出表現最好的那一個進入下一輪,取代上一輪的所有智能體——如此往復,以訓練出最聰明的機器人 AI。

    via https://aihabitat.org/?fbclid=IwAR2nzCWxWuOy2klH7dnCKbTZ940F4UjKNwPGAT8CYViMHKWLkAKXDbK4M5c

    雷鋒網(公眾號:雷鋒網) AI 科技評論 雷鋒網

    雷鋒網原創文章,未經授權禁止轉載。詳情見轉載須知

    分享:
    相關文章

    文章點評:

    表情
    最新文章
    請填寫申請人資料
    姓名
    電話
    郵箱
    微信號
    作品鏈接
    個人簡介
    為了您的賬戶安全,請驗證郵箱
    您的郵箱還未驗證,完成可獲20積分喲!
    請驗證您的郵箱
    立即驗證
    完善賬號信息
    您的賬號已經綁定,現在您可以設置密碼以方便用郵箱登錄
    立即設置 以后再說
    江苏11选5投注