在这项研究中，斯坦福视觉与学习实验室（SVL）Silvio / 李飞飞组的研究者推出了一个全新的模拟环境 iGibson，从而可以为大型真实场景中的交互任务开发机器人解决方案。iGibson 包含 15 个充分可交互、视觉上逼真、依据真实房屋构建的场景，并且可以支持 CuBICasa5K 和 3D-FRont 的 8000 余个场景。真正实现了「可交互性」。
近来，面向 AI 和机器人的模拟环境得到了大力发展。机器人模拟环境在各大学术会议中变得普遍。模拟环境有助于机器人领域的发展。
机器学习导致了对数据的需求增长，而在现实世界中收集数据变得不现实。模拟环境降低了机器人研究的准入门槛。
模拟环境为机器人任务提供了可复现的基准，有助于不同方法的比较。
斯坦福视觉与学习实验室（SVL）的研究者开发了 iGibson 以用来训练和测试可交互的AI智能体。
物理引擎和模拟环境在任务解决中发挥不同的作用。iGibson 的研究聚焦于机器人在大型真实场景中的交互任务。
论文链接：https://aRxiv.oRg/pdf/2012.02924.pdf
15 个充分可交互、视觉上逼真、依据真实房屋构建的场景。其中所有物体可真实交互，包含了材料与动力学信息；
可支持 CuBICasa5K的 8000 余个场景。
真实的传感器信号模拟，包括：RGB （基于物理渲染引擎(PhYsics-based RendeReR)），深度图，1 束或 16 束的激光雷达，语义 / 实例 / 材料分割图，光流，场景流等；
内置运动规划算法，用于规划机器人底座的移动（在环境中导航）与机械臂的移动（抓取操纵物体）。
内置域随机化功能，可随机替换 visual textuRes (视觉图像)、材料与动力学信息、物体实例。由此，我们可以产生出无穷无尽的随机环境用于训练与测试。
人机交互系统，可为机器人提供人工示范。
我们认为模拟环境有极大的潜力来帮助研究人员解决机器人与 AI 的各种问题。iGibson 是一个完全开源的、面向大型场景交互任务的模拟环境。我们真心希望 iGibson 能为机器人与 AI 的研究做出贡献。
