Facebook AI近期對機器人技術非常熱衷，剛剛又開源了機器人框架PyRobot，該框架是與卡內基梅隆大學合作創建，可運行由Facebook的機器學習框架PyTorch訓練的深度學習模型。Facebook希望PyRobot能加快機器人開發，通過共享代碼，數據集和模型的通用API來發展機器人研究生態系統。

Facebook的AI團隊最近對機器人技術非常著迷。過去一年Facebook沒少在機器人上下苦功，從六足機器人，到Replica真實感訓練數據集，到Habitat模擬引擎，最近又推出了PyRobot。從名稱就可以看出，這是一個基于PyTorch的機器人框架。

PyTorch加快了AI子領域研究的進展，提供了一定程度的抽象，讓構建最先進的系統、使用共享庫和工具、以及優化性能的操作變得更加容易。

如今，Facebook團隊也將其應用于機器人領域，與Carnegie Mellon大學研究人員合作推出了PyRobot框架，可以運行PyTorch訓練的深度學習模型，Facebook還希望將其打造成一個生態系統。PyRobot能夠為人工智能研究人員降低入門門檻，使其在短時間內（幾個小時）輕松設置并運行機器人，而無需浪費時間去考慮設備硬件、驅動程序、控制系統等。

PyRobot目前支持Sawyer機器人和LoCoBot，這是一個用于Carnegie Mellon機器人自治課程的機器人。支持Universal Robots和Franka等UR5等其他機器即將推出，與MuJoCo和Habitat等模擬器的集成也在進行中。

通常設置一個機器人，僅僅讓它揮動手臂的簡單動作，也需要幾天甚至一周時間來調試機器人的本地軟件。機器人社區流傳著一個笑話：如果你博士論文研究的是機器人，多一個機器人，你的論文完結時間就往后延長一年。由此可見調試機器人有多浪費時間。

PyRobot通過在多個機器人和模擬器之間使用通用API來解決上述問題。下面這段代碼很好的展示了用PyRobot將會多么輕松：

PyRobot具有適用于所有機器人的通用功能，例如關節位置控制、關節速度控制、關節扭矩控制、笛卡爾路徑規劃、正向運動學和反向運動學（基于機器人URDF文件）、路徑規劃和視覺SLAM等。雖然它將底層軟件堆棧的復雜性抽象掉了，不過用戶仍然可以靈活地使用不同級別的組件，例如繞過規劃器以執行低級別的速度和扭矩命令。

PyRobot可用于實現各種高級AI應用程序、點目標導航、推動和抓取等操作任務，以及使用機器人進行數據收集的遠程操作。PyRobot提供了一種在機器人技術中使用AI和機器學習算法的簡便方法，可以使用與物理機器人的接口來收集任務的數據，比如抓取任務；可以訓練深度學習模型，然后在機器人上執行算法。

一些正在進行的項目中，PyRobot確實簡化了用于末端執行器控制和點目標導航的sim2real策略轉換測試。為什么機器人研究一直做不大？原因有兩個，首先是硬件成本過高，其次是專業軟件太復雜。PyRobot怎么解決這兩個問題呢？

它使用通用的API，降低軟件的復雜度，配合像LoCoBot一類相對比較便宜的機器人使用。這樣降低了入門門檻后，人工智能研究人員就可以部署多個機器人來收集數據、并行學習。通過在不同硬件上提供通用框架，PyRobot將引領機器人技術基準的開發（類似于AI中的其他領域）并量化進度。Facebook計劃與機器人研究社區一起努力建立這些基準。

PyRobot還可以幫助擴展人工智能教育計劃，從而更容易為具有不同背景的學生提供實操體驗。Facebook計劃在不久的將來，通過與模擬器（如AI Habitat，Gibson和MuJoCo）的接口為PyRobot添加功能；并與社區合作，為例如Universal Robots等更多硬件提供支持。

除了開源PyRobot，Facebook AI還計劃分享其他最先進的機器人算法的開源實現并發布機器人數據集。

機器人技術對于推進人工智能整體非常重要，因為它使研究人員能夠探索教學機器等挑戰，以學習預測模型，并在現實世界中開發“常識”知識。解決這些問題將使AI更加強大，有朝一日可用于智能助理等應用程序。Facebook希望憑借PyRobot靈活、開放的設計，幫助Facebook AI研究人員和該領域的其他人加快實現這些目標的進程。