基于模拟器的逻辑任务描述,用于评估具体化人工智能智能体的性能
介绍了针对仿真环境中的日常家务活动设立的 BEHAVIOR 基准,该基准涵盖 100 项活动,涉及清洁、维护和食品制备等各种方面,并使用面向对象的逻辑谓词为活动的初始条件和目标条件进行描述,提出了基于度量标准的计算方法以及一套实现该基准所需的环境,以绝对和相对于人类示范者的方式度量任务进展和效率。
Aug, 2021
介绍 Habitat 2.0 (H2.0) 为一种用于在交互式 3D 环境和复杂的物理启用技术中训练虚拟机器人的仿真平台。在数据、仿真和基准任务的所有层面上都做出了全面的贡献。使用 HAB 测试移动操作能力。比较 deep RL 和 SPA 管道。发现 flat RL 与独立技能的层次结构存在 “hand-off” 问题,同时 SPA 传统管道比 RL 策略更脆弱。
Jun, 2021
介绍 Habitat 平台,该平台在实现高效的真实感三维模拟环境中培训虚拟机器人及相关任务如导航和嵌入式人工智能方法等方面做出了重大工程贡献。通过使用 Habitat 平台,作者在点 - 目标导航方面,通过比较学习与 SLAM 方法,发现当学习处理的数据量超出先前调查的数量级时,学习方法比 SLAM 方法更优。此外,在进行多个数据集和传感器的横向通用性实验时,作者发现仅使用深度 (D) 传感器的模型才具有数据集通用性。作者希望 Habitat 平台及其研究成果能够推动嵌入式人工智能领域的发展。
Apr, 2019
我们提供了 BEHAVIOR-1K,这是一个全面的人类中心机器人仿真基准。BEHAVIOR-1K 包括两个组成部分,通过 “你希望机器人为你做什么?” 的广泛调查结果进行指导和激励。第一个是定义了 1,000 种日常活动,与 50 个场景(房屋、花园、餐厅、办公室等)以及超过 9,000 个带有丰富物理和语义属性的对象相联系。第二个是 OMNIGIBSON,一种通过逼真的物理模拟和渲染刚体、可变形体和液体来支持这些活动的新型仿真环境。我们的实验表明,BEHAVIOR-1K 中的活动是长期目标,并且依赖于复杂的操作技能,这对于即使是最先进的机器人学习解决方案来说仍然是一个挑战。为了校准 BEHAVIOR-1K 的仿真与现实之间的差距,我们提供了一个初步研究,将在模拟公寓中学习的解决方案转移到实际环境中的移动操作机器人上。我们希望 BEHAVIOR-1K 的以人为中心的特性、多样性和逼真性对于具体化的 AI 和机器人学习研究是有价值的。项目网站:https:// 此 URL。
Mar, 2024
本文对体感式人工智能领域进行了综合系统的调查和研究,包括对九个当前体感式人工智能模拟器的评估,以及对于该领域的三项研究任务,即视觉探索、视觉导航和身体问题回答的探索,并旨在为该领域模拟器和未来方向的选择提供建议。
Mar, 2021
在自主导航的地面机器人领域,现有的研究大多使用真实感的动力学和感知模型,而本篇论文致力于通过在仿真环境中进行端到端的训练,减小模型在现实机器人平台上的差距,并取得了显著的性能和稳健性的提升。
Jan, 2024
此研究旨在通过迁移学习方法以及基于语言模型的状态空间共同嵌入来提高服务机器人从之前学习中寻找相似方法,以解决家庭服务机器人学习新任务精度低的问题。实验结果表明,基于语义相似性从众多源任务中选择相似任务是非常有效的,并且对于避免遗忘问题可以通过更改更新策略来解决。
Jan, 2023
我们提出了 Mini-BEHAVIOR,一个新颖的基准,用于对智能体进行理性和决策方面的挑战,以解决类似于日常人类挑战的复杂活动。Mini-BEHAVIOR 提供了一个快速、开放式的评估机制,用于评估具体决策和规划解决方案在具体化的 AI 中。
Oct, 2023
iGibson 2.0 是一个开放源代码模拟环境,支持通过温度、湿度、清洁度等对象状态,实现更多样化的家庭任务模拟,并通过虚拟现实界面,收集人类示范并用于模仿学习,旨在支持更多的智能机器人领域研究。
Aug, 2021