在这项研究中，斯坦福视觉与学习实验室（SVL）Silvio / 李飞飞组的团队推出了一个全新的模拟环境——iGibson，旨在为大型真实场景中的交互任务开发机器人解决方案。iGibson 包含15个高度可交互且视觉上逼真的场景，这些场景基于真实房屋构建，并能支持CuBICasa5K和3D-FRont的8000余个场景，从而真正实现了“可交互性”。
近期，面向AI和机器人的模拟环境得到了显著发展，机器人模拟环境在各大会议中愈加普遍。这些环境为机器人领域的进步提供了重要支持。
随着机器学习的发展，对数据的需求日益增加，而在现实世界中收集数据已变得不切实际。模拟环境的出现降低了机器人研究的准入门槛。
模拟环境为机器人任务提供了一致的基准，便利了不同方法之间的比较。
斯坦福视觉与学习实验室（SVL）的研究团队开发了iGibson，以用于训练和测试能进行交互的AI智能体。
物理引擎与模拟环境在任务解决中扮演着不同的角色。iGibson的研究重点是机器人在大型真实场景中的交互任务。
论文链接：https://aRxiv.oRg/pdf/2012.02924.pdf
该项目提供15个高度可交互、视觉上真实的场景，所有物体均可实现真实交互，并包含材料与动力学信息。
同时，它支持CuBICasa5K的8000多种场景。
iGibson能够真实模拟传感器信号，包括：RGB（基于物理渲染引擎）、深度图、1束或16束激光雷达、语义/实例/材料分割图、光流及场景流等。
它还内置运动规划算法，能够规划机器人底座的移动（导航）和机械臂的动作（抓取与操控物体）。
此外，iGibson具备域随机化功能，能够随机替换视觉纹理、材料与动力学信息、物体实例。因此，可以生成无数随机环境用于训练与测试。
该系统还包括人机交互功能，能够为机器人提供人工示范。
我们相信模拟环境具有巨大的潜力，能够帮助研究人员解决机器人与AI面临的各种挑战。iGibson是一个完全开源的模拟环境，专注于大型场景的交互任务。我们期待iGibson为机器人与AI的研究做出积极贡献。
