諸如工業機器人之類的機器內部的人工智能模型要求能夠與環境安全有效地交互。但是在現實環境中甚至是無風險的訓練空間中訓練AI往往是不切實際的，因為教導復雜的神經網絡需要大量的時間。

為了幫助加快這一進程，Facebook Inc.今天開放了一個名為AI Habitat的平臺的源代碼。它是一個模擬器，使研究人員可以在虛擬環境中一次執行許多培訓課程。

AI Habitat可能不是第一個考慮到機器學習項目構建的模擬器，但是它肯定是最快的模擬器之一。據Facebook稱，內部測試表明該平臺僅使用一張圖形卡就可以以10，000幀/秒的速度運行虛擬培訓環境。社交網絡嘗試的其他仿真引擎每秒只能達到50到100幀。

人居AI的四位工程師Manolis Savva，Abhishek Kadian，Oleksandr Maksymets和Dhruv Batra在博客中寫道 ，他們的團隊“將訓練速度推上了最先進的狀態，使模擬器能夠渲染出比以前的模擬器快得多。” Facebook聲稱使用AI Habitat可以在數小時內完成使用其他工具進行數月的實驗。

該公司構建了可在廣泛的AI項目中使用的平臺。Facebook將其模塊化，以便研究人員可以根據需要交換關鍵組件，并為用于訓練AI模型的幾個通用開源數據集實現了本機支持。

該社交網絡開源了自己的培訓數據集，該數據集專門設計用于與AI Habitat一起使用。該存儲庫被稱為副本，包括18個虛擬室內環境，從辦公室會議室到兩層樓的房屋。

副本之所以被命名，是因為它“為真實空間的3D重構的真實性和質量設定了新標準，”致力于將虛擬環境整合在一起的Facebook研究人員之一朱利安·斯特勞布（Julian Straub）解釋說。它們不是在圖形設計工具中創建的效果圖，而是對社交網絡使用自定義攝像頭技術拍攝的真實空間的掃描。

該公司利用紅外深度捕獲系統來記錄每種環境中物體的確切形狀。然后以高分辨率重建書籍，椅子和窗戶等物品，并保留其紋理，以確保AI模型暴露于逼真的訓練環境中。Facebook的研究人員還添加了描述每個對象的標簽。

研究人員可以使用AI Habitat訓練神經網絡來執行相當復雜的多步驟任務，這些任務不僅需要能夠看到而且還要了解其周圍環境。例如，家用機器人可以配備處理“檢查我的筆記本電腦是否在廚房的桌子上”之類的請求的功能。但是AI Habitat中的培訓環境不是交互式的，這意味著一旦發現筆記本電腦，就不可能教機器人如何獲取筆記本電腦。