艾倫研究所希望通過眾包導航算法，讓研究人員在其物理和虛擬的房間里隨意使用他們的機器人。

在總部位于西雅圖的艾倫人工智能研究所（Allen Institute for Artificial Intelligence， AI2）對面的一棟大樓里，有一個實驗室。該實驗室含14套用宜家家居布置的不同公寓。然而這個實驗室并不是用來做室內設計的。這些資源是用來訓練控制機器人的智能算法的。

類似小米掃地機器人這樣的家用機器人能運行良好部分原因是它們的任務相對簡單。它們只需要在同一層樓里來回溜達。

但任何需要更高效或更復雜導航的東西仍然會難倒許多最先進的機器人。改善這一現狀所需要的研究也很昂貴，從而將最先進的進展都限制在了資金充足的商業實驗室。

現在AI2想一石二鳥。在本周二的時候，它宣布了一個名為RoboTHOR（雷神機器人）的新挑戰。它將作為一種眾包更好的導航算法的方式，為那些可能沒有自己的機器人資源的研究人員降低財務支出。

最終目標是讓更多的研究團隊參與進來，從而更快地推進人工智能。不同的團隊會帶來不同的視角和用例，這些視角和用例將擴展機器人的能力，從而推動該領域更接近可推廣的智能。

上兩圖是AI2 在其中一個公寓配置中比較真實和模擬餐廳。

該實驗室設計了一個易于重新配置的房間，作為所有14個不同公寓的集合場地。它還在流行的電子游戲引擎Unity中重新創建了相同的虛擬復制品——以及其他75種配置——這些都是在網上開源的（詳情見頁末參考1）。總共89種配置將為世界各地的團隊提供真實的模擬環境，以訓練和測試他們的導航算法。這些環境還預裝了AI2機器人的模型，并盡可能地反映真實世界的物理，如重力和光反射。

這項挑戰特別要求團隊開發算法，通過告訴機器人物體的名字，讓機器人從房間內隨機的起始位置移動到房間內的一個物體前。這將比簡單的導航更困難，因為它需要機器人理解命令并在其視野中識別對象。

參賽隊伍將分三個階段進行比賽。在第一階段，他們將得到75個數字仿真環境來訓練和驗證他們的算法。在第二階段，表現最好的人將得到四個新的模擬環境，并有相應的物理二重身。這些團隊將能夠通過加載到AI2的真實機器人中來遠程改進他們的算法。

各種真實和模擬物體

在最后階段，表現最好的將需要在最后10個虛擬和相應的物理環境中展示其算法的通用性。在最后階段表現最好的團隊，將受邀在計算機視覺與模式識別大會（Conference on Computer Vision and Pattern Recognition）上展示他們的模型。這是一個面向視覺系統的頂級人工智能研究會議。

挑戰結束后，AI2打算保持這些設備可用，讓任何人都可以訪問環境，繼續進行機器人研究。為避免遠程訪問的人讓機器人崩潰，AI2的研究人員在模擬環境中設置了一定的準確性閾值。不同家居配置的房間將輪流訪問。

“我們將維護這種環境和這些機器人，”AI2的研究科學家、該項目的負責人阿尼·肯巴維（Ani Kembhavi）說。他的團隊計劃開發一個分時系統，讓不同的研究人員輪流在現實世界中遠程測試他們的算法。

AI2希望，通過盡可能多地削減相關硬件成本，該戰略將使機器人研究更容易進行。它還希望該計劃將激勵其他資金充足的組織以類似的方式開放其資源。此外，它還特意用低材料成本和全球可用的宜家家居設計了可重新配置的房間；安裝成本約為1萬美元。如果其他研究人員想要建立自己的現實物理訓練空間，他們可以很容易地在本地復制它，并且仍然可匹配虛擬仿真環境。

Kembhavi的父親是天文學家，他把這個想法比作全球共享望遠鏡。他說：“像天文學這樣的社區已經找到了獲取昂貴資源的方法，并將其提供給世界各地的研究人員。”

“這就是我們對人工智能環境的愿景。”他補充道。