pytorch等框架的开源极大地加速了人工智能领域的研究进展，如计算机视觉和自然语言处理等。这些框架为研究人员提供了一定程度的抽象，使他们更容易构建最先进的系统、使用共享库和工具以及优化性能操作。因此，为了在人工智能机器人的研究中提供类似的实用性，社区与卡内基梅隆大学的研究人员合作，建立并开放了机器人框架pyrobot。
什么是火机器人
Pyrobot是一个机器人框架。开源pyrobot框架作为建立在机器人操作系统（ROS）上的一个轻量级高级端口，它提供了一组独立于硬件的一致的中间应用程序端口（api）来控制不同的机器人。由于pyrobot提取了有关低级控制器和进程间通信的详细信息，因此机器学习（ML）专家和其他研究人员可以将更多精力放在构建高级人工智能机器人的应用上。同时，它降低了人工智能研究人员的门槛。研究人员无需知道硬件设备、驱动程序和控制系统的详细信息，只需几个小时就可以轻松地安装和运行机器人。如果将pyrobot与locobot等低成本机器人平台结合使用，可以大大降低机器人的研究成本，更有利于机器人研究的推广和推广。
另一方面，社区也希望将pyrobot建成机器人研究的生态系统。Pyrobot不仅使社区研究人员更容易使用机器人数据集、算法实现和模型，还帮助他们设置基准和共享数据。Pyrobot目前支持robot Sawyer和locobot，而更多其他支持模型也即将推出，与mujoco和habitat等模拟器的集成也在进行中。
Pyrobot是一个框架，也是一个生态系统。有了pyrobot，人工智能研究人员和学生可以在几个小时内启动和运行机器人，而不必知道硬件或设备驱动程序、控制和规划的细节。Pyrobot将帮助Facebook人工智能推荐我们的长期机器人研究。本研究的目的是发展一个能透过与物理世界互动而有效学习的人工智能系统。为了帮助人工智能和机器人社区的开发者，我们开发了开源的pyrobot。
辅助AI实践人员轻松进行实验与测试
Facebook AI在一篇发表的论文中表示，他们认为将pyrobot机器人框架与最近发布的locobot机器人相结合，可以降低研究人员的研发成本和研发时间，从而实现数据驱动机器人的民主发展。
同时，与硬件无关的API（应用程序编程接口）也将有助于开发整个社区共享的代码和数据集。
Facebook人工智能开发的pyrobot框架可以降低人工智能研究人员和维护人员的进入门槛，帮助他们在几个小时内熟悉并轻松设置机器人。安装好后，他们就可以开始使用了。
Pyrobot还可以为人工智能社区提供一个共享代码、数据集和模型的通用API，从而加速机器人的应用，促进机器人研究生态系统的发展。
一方面，研究人员为pyrobot设计了一个预训练模型，专门用于导航、抓取和推送算法，使机器人能够进行相关数据采集的远程操作，使机器人的学习过程更加简单。
另一方面，pyrobot还为机器人运动控制的指令提供了API和高级代码，如路径规划、视觉Slam（视觉定位和地图生成）、关节位置控制、关节速度控制和关节扭矩控制，使机器人的使用更加灵活。
基于此，pyrobot框架可以帮助人工智能研究人员进行实验和测试。此外，Facebook人工智能计划与机器人研究社区的成员合作，开发基准数据集。
原文：https://www.cnblogs.com/blogst/p/12617667.html