iGibson 2.0：以目标为中心的模拟，用于机器人学习日常家务

21年11月来自斯坦福的论文“iGibson 2.0: Object-Centric Simulation for Robot Learning of Everyday Household Tasks”。

通过使用模拟环境来开发和训练机器人学习方法，具身智能的最新研究得到了推动。然而，使用模拟将注意力转移到只需要机器人模拟器可以模拟的任务上：运动和物理接触。iGibson 2.0，是一个开源模拟环境，通过三项关键创新支持模拟更多样化的家务任务。首先，iGibson 2.0 支持目标状态，包括温度、湿度、清洁度以及切换和分片状态，这些状态对于涵盖更广泛的任务必不可少。其次，iGibson 2.0 实现了一组谓词逻辑函数，将模拟器状态映射到逻辑状态，如煮熟或浸泡。此外，给定一个逻辑状态，iGibson 2.0 可以对满足该逻辑状态的有效物理状态进行采样。此功能可以以最小的努力生成潜在的无限任务实例。采样机制使场景能够在语义上有意义的位置更密集地填充小目标。第三，iGibson 2.0 包含一个虚拟现实 (VR) 界面，可让人类沉浸在其场景中以收集演示。因此，可以收集人类对这些新类型任务的演示，并将其用于模仿学习。评估 iGibson 2.0 的新功能，使得机器人能够学习新任务。

如图所示：iGibson 2.0 模拟扩展的状态，研究和开发新任务，比如做饭。状态映射为符号表征，其支持任务新实例的采样。通过一个策略学习的VR接口，开源提供任务的演示。

进一步在 iGibson 2.0 中规定，每个模拟对象都应该是 WordNet 中现有对象类别的实例 [35]。这种语义结构能够将特征与同一类别的所有实例关联起来 [36, 37]。例如，通过注释每个类别需要哪些扩展状态来进一步简化扩展状态的模拟。并非所有对象类别都需要所有五个扩展状态（例如，对于大多数感兴趣的任务，温度对于非食品类别来说不是必需的/相关的）。每个对象类别所需的扩展状态由 WordNet 层次结构中的众包标注程序确定。