来源：google AI

编辑：LZY

在过去的十年中，研究者做了大量大规模的基准测试（benchmark），计算机视觉也有了很大的提升和发展。

像ImageNet（面向图片分类）和COCO（面向对象监测）这些基准不仅提供了巨大的数据集，还提出了关于评估模型的标准。

一般来说，传统的基准测试是相对比较被动的，这样的测试主要是靠感知来评估任务，而最新的计算机视觉研究的是如何相对主动地去评估任务，这就需要对象不仅依靠感知还需要行动。

那iGibson到底挑战什么？

CVPR 2020举办的首届Embeded AI研讨会上，相关学者提出了一些基准任务的挑战。

其中包括斯坦福大学和Google联合提出的iGibson挑战，它选用了一些真实世界的场景，为了测试在不同环境中哪些互动和社交导航的策略更占优势。

每个人可以制定不同的模拟策略，在不断重复的导航实验中运行该策略，从而查看和评估“模拟与实际的差距”，即模拟与真实世界之间的差异。

许多研究团队在疫情期间纷纷提交了解决方案。

今年斯坦福大学和谷歌又自豪地宣布了新版本的iGibson挑战，这个挑战在CVPR 2021上也是作为10个视觉挑战之一亮相。

今年的Embodied AI Workshop由Google和其他9个研究组织共同组织，探讨了诸如模拟实验；从模拟到真实的转换问题；视觉导航；语义映射和更改检测；对象重排和还原；听觉导航以及跟踪等等问题。

特别值得一提的是，关于导航和互动任务的探讨又有了新的创新。

今年的iGibson挑战探讨了互动导航和社交导航系统-----如何通过iGibson模拟器让机器人与现实生活中的人和环境沟通交流；还有就是，借助Google的数据集如何将机器人与人类环境中的一切更紧密地结合和交互。

社交导航面临的新挑战

如何让机器人又可以感知环境又可以对环境做出行为，这是非常具有挑战性的。不过一些例子已经做了很好的阐释。

标点导航（point navigation）是涉及在地图里的导航。例如驾驶机器人数公里路过居民楼的这段过程中，机器人能否同时识别并避开障碍物。

类似地，对象导航（object navigation）涉及寻找建筑物里的某个对象，搜索能力很重要。

此外，视觉语言指令导航（visual language instruction navigation）需要基于视觉图像和自然语言的命令在建筑物中进行搜索。

在这些不同的环境中，机器人可以处理各种情况，和动态的建筑物产生交互作用。

在今年的iGibson挑战赛中，如下图所示，我们重点关注以下两个设置：

1、交互式导航（Interactive Navigation)：在混乱的环境中，机器人通过导航与对象成功进行物理交互的事件。例如，机器人应该把鞋子放到一边，且过程中不能移动沙发和茶几。

2、社交导航( Social Navigation)：在拥挤的环境中人们会四处走动，机器人需要在人们的周围移动，尽可能减少干扰。

iGibson Challenge 2021的数据集提供了很多可以训练的模拟交互式场景。数据集包括8个真实完全交互式的公寓场景，如下图所示，以及另外七个用于测试和评估的场景。

‍

该数据集已通过Creative Commons的许可并进行了3D扫描，所以我们今后可以免费的运用该数据集，做出更多关于机器人仿真和计算机视觉方面的研究。

上图展示了在谷歌3D扫描的对象数据集中的几种常见对象，对象大都是人类日常生活中的一些物品。

iGibson挑战其实在斯坦福大学自己开源的仿真平台中展示过，该平台是一种基于Bullet系统的交互式机器人模拟器，不仅运行快速还很逼真。

为了应对今年的挑战，iGibson还基于ORCA人群模拟算法扩展了完全交互式的环境和行人行为的展示方式。

上图生动的展示了ORCA人群模拟和可移动对象。

小编！我想参加挑战赛呢

iGibson挑战赛已经启动，除了其排行榜还在开发阶段，其他内容都处于开放状态所以每个人都可以查看。

测试的阶段将于5月16日开放，并于5月31日结束。

每个团队到时可以提交最终的解决方案，获奖者的颁奖演示计划于2021年6月20日举行。有关参与的更多详细信息，请查看iGibson挑战页面。

参考资料：

https://ai.googleblog.com/2021/04/presenting-igibson-challenge-on.html

https://twitter.com/GoogleAI/status/1382386298774691840