宜家家具组装环境，可对机器人进行复杂的操纵任务培训

 
为了完成复杂的日常任务，例如使用设备，烹饪或建造家具，机器人应该能够计划其动作并操纵周围的物体。然而，到目前为止，由于缺乏可靠的模拟环境来测试机器人，教导机器人完成复杂的任务(例如需要在相当长的时间内进行计划的任务)非常具有挑战性。
考虑到这一点，南卡罗来纳大学的研究人员最近开发了宜家家具组装环境，这是一个模拟平台，研究人员可以在其中测试复杂操作任务上的人工智能(AI)代理。在arXiv上发表的论文中介绍的他们开发的环境中，可以对代理进行各种操纵任务的评估，这些任务涉及构建和操纵不同的家具。
研究人员在论文中写道：“这种环境旨在将强化学习从简单的玩具任务推进到需要长期计划和复杂的低级控制的复杂任务。”
即使对于人类来说，组装家具也可能是一项艰巨的任务，因为家具通常需要长期的规划和复杂的操作技能。研究人员开发的环境非常易于使用，具有一些有趣的功能。由于它会生成大量的合成标记数据，因此可以用于训练各种任务的计算机视觉模型，包括对象姿态估计，场景理解等等，而无需人工注释的数据。
此外，该环境可以作为针对家具组装或其他长期操纵操作而设计的机器学习方法的基准，从而改善其控制和规划能力。有趣的是，该平台产生的视觉和交互式数据也可以用于获取其他应用程序的特定领域知识，例如直观的物理模型。
宜家家具组装环境可支持80多种家具，并可通过背景图像，照明和纹理进行定制。最终可以将其视为旨在为机器人提供高级对象操纵技能的机器学习技术的试验台。
到目前为止，该环境可用于训练或测试三个不同形状和大小的机器人，称为Cursor，Sawyer和Baxter。但是，在下一个更新中，研究人员还计划增加对Fetch，UR，Jaco和其他流行机器人的支持。
将来，这种可自定义的环境将为培训和评估机器人技术的众多机器学习技术开辟新的可能性。同时，研究人员计划更新该平台并改善其某些功能。
例如，他们想增加对3-D运动设备的支持，允许用户远程操作机器人并使用VR控制器或3-D鼠标创建演示视频。然后，可以使用称为模仿学习的策略，将这些演示视频用于训练机器学习模型。
在该平台的未来版本中，还可以允许用户通过语音指令来引导机器人，甚至可以同时训练多个代理。而且，最终可以对机器人进行有关如何使用特定工具(例如螺丝起子和锤子)的培训。