脸书AI最近非常热衷于机器人技术，刚刚开放了机器人框架PyRobot，这是与卡耐基梅隆大学合作创建的，可以运行由脸书的机器学习框架PyTorch训练的深度学习模型。脸书希望PyRobot可以通过共享代码、数据集和模型的公共API来加快机器人开发，并开发一个机器人研究生态系统。
脸书的人工智能团队最近迷上了机器人技术。在过去的一年里，脸书在机器人方面下了很大功夫，从六足机器人到复制现实训练数据集再到栖息地模拟引擎，最近还推出了PyRobot。从名字就可以看出，这是一个基于PyTorch的机器人框架。
PyTorch加速了AI子领域的研究进度，并提供了一定程度的抽象，使得构建最先进的系统、使用共享库和工具以及优化性能变得更加容易。
如今，脸书团队也将其应用于机器人领域。它与卡耐基梅隆大学的研究人员合作，推出了PyRobot框架，可以运行PyTorch训练的深度学习模型，脸书也希望将其打造成一个生态系统。PyRobot可以降低人工智能研究人员的入门门槛，在短时间(几个小时)内轻松设置和运行机器人，而无需浪费时间考虑设备硬件、驱动程序、控制系统等。
PyRobot目前支持Sawyer机器人和LoCoBot，后者是卡内基梅隆大学机器人自主课程中使用的机器人。其他支持UR5的机器如Universal Robots和Franka也将很快推出，与MuJoCo和Habitat等模拟器的集成也在进行中。
通常情况下，仅仅让机器人挥动手臂，就需要花费几天甚至一周的时间来调试机器人的本地软件。机器人界流传着一个笑话：如果你的博士论文是研究机器人的，你多一个机器人，你的论文完成时间就会延长一年。这显示了调试机器人需要多少时间。
PyRobot通过在多个机器人和模拟器之间使用一个通用的API来解决上述问题。以下代码显示了使用PyRobot有多简单：
PyRobot具有适用于所有机器人的通用功能，如关节位置控制、关节速度控制、关节力矩控制、笛卡尔路径规划、正向运动学和反向运动学(基于机器人URDF文件)、路径规划和视觉SLAM。虽然它抽象了底层软件堆栈的复杂性，但用户仍然可以灵活地使用不同级别的组件，例如绕过规划器来执行低级别的速度和扭矩命令。
PyRobot可用于实现各种高级AI应用、点目标导航、推抓以及使用机器人进行数据采集的远程操作。PyRobot提供了一种在机器人技术中使用人工智能和机器学习算法的简单方法。它可以使用与物理机器人的接口来收集任务的数据，例如抓取任务。你可以训练深度学习模型，然后在机器人上执行算法。
在一些正在进行的项目中，PyRobot确实简化了末端效应器控制和点目标导航的sim2real策略转换测试。为什么机器人研究做的不多？原因有二，第一是硬件成本太高，第二是专业软件太复杂。PyRobot是如何解决这两个问题的？
它使用一个通用的API来降低软件的复杂性，并与相对便宜的机器人(如LoCoBot)一起使用。降低准入门槛后，人工智能研究人员可以部署多个机器人并行收集数据和学习。通过在不同的硬件上提供一个通用的框架，PyRobot将引领机器人技术基准(类似于AI中的其他领域)的发展，并量化进展。脸书计划与机器人研究团体合作建立这些基准。
PyRobot还可以帮助扩展人工智能教育计划，更容易为不同背景的学生提供实践经验。脸书计划在不久的将来通过与模拟器(如AI Habitat、Gibson和MuJoCo)的接口为PyRobot添加功能。并与社区合作，为通用机器人等更多硬件提供支持。
除了开源的PyRobot，脸书AI还计划分享其他最先进的机器人算法的开源实现，并发布机器人数据集。
机器人技术对于从整体上推动人工智能非常重要，因为它使研究人员能够探索诸如教机器学习预测模型和开发现实世界中的“常识”知识等挑战。解决这些问题会让AI更强大，有一天可以用在assistant等应用上。脸书希望通过PyRobot灵活开放的设计，帮助脸书人工智能研究人员和该领域的其他人加快实现这些目标的进程。
标签：机器人PyRobot研究