“华人 AI 女神”李飞飞，她给机器人造了个进化基地( 二 )

开发者们可以进入其中，在模拟环境中操纵机器人运动，比如开门、拾取和放置物体或在柜子中找东西。

▲日落城中机器人指挥交通
iGibson模拟的场景让小黑想到美剧《爱、死亡与机器人2》中的场景。在一个名叫日落城的小镇，居民们不用干任何工作，从吃喝拉撒到卫生清洁，所有能想到的工作全被机器人替代了。高度智能化的机器人可以指挥交通、整理家务、叠衣服，还可以保护主人，免遭大型动物或者匪徒的侵害。

▲机器人除害模式
当小黑看到机器人伸出长长的手臂调整相框位置时，不禁畅想未来机器人高度发达的世界。只要买上几个机器人，就可以包揽所有家务，想想就觉得挺美的。

▲机器人整理相框
回到现实，真正的家务机器人与电视剧中相差甚远，除了扫地、拖地，几乎没什么能够帮忙的地方。为此， iGibson模拟环境配备了起居室、厨房、办公室等场景，机器人可以尽情地在其中交互、测试，不断打磨核心算法。
模拟环境中，不仅有家具、电器等常用物品，还有温度、湿度、清洁程度等环境因素。以最简单的扫地机器人为例，传统扫地机器人并不能判断地板清洁程度，只能依据固定的算法，每天一遍遍地打扫卫生。
若这台扫地机器人在iGibson模拟环境中训练，被赋予识别家居环境清洁程度这一功能，就可以自主开始卫生清洁。如此一来，机器人的主人也不用定时查看、操作扫地机器人，只需保证扫地机器人处于工作状态，家居环境自动清洁完成。

除了扫地机器人，还有整理家务的机器人，做饭机器人等，都能在iGibson模拟环境中训练。由于iGibson提供交互导航功能学习，家务机器人可以改变所在环境，比如打开/关闭房门、打开抽屉/橱柜门等等。如此一来，家务机器人就可以像家政人员一样，随意的在家里走动，清洁各类家具卫生，就连橱柜里角落里的污渍，也可以清理干净。
通过底座的移动以机械臂的操纵，家务机器人可以在iGibson模拟环境中不断优化算法，直到它可以应付各类复杂场景。届时，一台具备“高智商”的机器人也就诞生了。
图像识别与模拟环境
在AI领域，李飞飞最大的贡献或许在于强调了数据的重要性。早在2006年，李飞飞就意识到AI学术圈都在苦心寻找完美的算法，却很少有人重视数据。李飞飞认为，如果数据不能反映真实世界的情况，那么算法再好也无法发挥作用。
于是，李飞飞与她的团队搞出一个名为ImageNet的数据集。这个数据集是所有视觉目标识别应用的鼻祖，该项目致力于分类、注释图像，然后建立数据库帮助AI算法理解图像。为了使ImageNet数据库有更多人参与，李飞飞团队与合作者创办了ImageNet大规模视觉识别挑战赛。鼓励开发者利用ImageNet数据库撰写优异的视觉识别算法。

ImageNet挑战赛促进AI视觉识别技术快速发展，第一届挑战赛优胜者全都出任了谷歌、百度等专注于AI技术公司的高管。此后，每一年挑战赛都在大幅度降低图像识别技术错误率，图像识别技术正式进入现实社会，全行业人工智能热潮自此开始。